ACCURACYi,t?1?Abs[Mean(Fnetproi,t)?Netproi,t]Abs(Netproi,t) (2)
Std(Netproi,t,Netpro,Netpro)i,t?1i,t?2 (3) EVi,t?Abs[Mean(Netproi,t,Netpro,Netpro)]i,t?1i,t?2TBQi,t?(Lsharei,t?Avr_clpri,t?NLsharei,t?BPSi,t)?Debti,tAsseti,t (4)
(5) UPDATEi,t?Total(Brokeri,t)2002年度起，中国注册会计师协会开始公布“百家会计师事务所”排行榜，用以对在中国大陆注册的会计师事务所进行综合排序。考虑到我国实际情况，2002年-2008年前四大会计事务所均为外资所，本文分别选取该排行榜中的前十大和前四大会计师事务所，形成解释变量BIG10和BIG4。
（二）研究模型构建
结合研究假说及变量选取部分，本文进一步给出了具体的研究模型。本文旨在考察审计质量的两个替代变量，在控制了公司特征变量后，是否仍对被解释变量——跟进上市公司分析师数量以及盈余预测特征（准确度、分歧度）具有显著影响。为了实现这一研究目的，本文设计了三组模型用于实证检验。其中，解释变量Audit_Qualityi,t代表上市公司年报审计质量两个替代变量。
针对假说1，即上市公司年报审计质量对于分析师数量的研究，本文给出如下模型：
Total(Forecasti,t)NUMi,t??0??1Audit_Qulityi,t??2LogTAi,t??3CR1i,t??4ROEi,t??5TBQi,t??6UPDATEi,t?2008y?2002??,y,tYearDummyii,y,t???i,j,tIndustryDummyi,j,t??i,tJ?111
（6）
针对假说2，即上市公司年报审计质量对于分析师预测准确度影响的研究，本文给出如下模型：
ACCURYi,t??0??1Audit_Qulityi,t??2LogTAi,t??3INS??4CR1i,t??5ROEi,t??6TBQi,t??7UPDATEi,t??8EV????i,j,tIndustryDummyi,j,t??i,tJ?1112008y?2002??i,y,tYearDummyi,y,t （7）
针对假说3，即上市公司年报审计质量对于分析师预测分歧度影响的研究，本文给出如下模型：
DISPi,t??0??1Audit_Qulityi,t??2LogTAi,t??3INS??4CR1i,t??5ROEi,t??6TBQi,t??7UPDATEi,t??8EV????i,j,tIndustryDummyi,j,t??i,tJ?1112008y?2002??,y,tYearDummyii,y,t
（8）
三、研究样本和描述性统计
（一）研究样本
如前所述，本文的证券分析师盈余预测数据来自CSMAR(国泰安)中国上市公司分析师预测研究数据库；相关财务指标来自WIND（万德）金融研究数据库；事务所排名数据库来自中注协网站；样本期为2002——2008年度。因分析师预测分歧度指标要求计算不同分析师预测之间的差异，故仅保留分析师人数在三人以上的被预测上市公司，故导致分析师预测分歧度样本数显著减少1，样本的具体筛选过程如表2所示：
表2 分析师盈余预测样本具体筛选过程 分析师预测样本总体
分析师发布盈余预测（EPS）的次数 第一步：生成分析师人数样本
减：
分析师人数样本（公司_年样本数） 第二步：生成分析师预测准确度样本 分析师人数样本（公司_年样本数） 减：
分析师预测准确度样本（公司_年样本数）
98668
6062 金融行业与ST的上市公司（预测次数）
上市公司IPO当年的盈余预测（预测次数） 415
56007 跨年度的盈余预测（预测次数）
3621
没有进行净利润预测（公司数）
3621 1391 2230
第三步：生成分析师预测分歧度样本
剔除分析师分数少于三人的样本（公司数） 1581
2040 分析师预测分歧度样本（公司_年样本数）
1
因分析师预测准确度指标统计的是分析师预测上市公司净利润的准确度，而在分析师报告中净利润的预测频率显著低于每股收益，故导致分析师预测准确度样本显著小于分析师人数样本。
（二） 描述性统计 1、变量的描述性统计
表3针对本章涉及的全部变量进行了描述性统计。针对控制变量盈余波动性（EV），根据定义式3可知，其分母为上市公司最近3年净利润的均值，考虑到净利润可能正负相间，造成分母偏低，进而变量取值异常大，故对该控制变量在1%水平上进行了极值处理（winsorize）。类似地，如定义式1及2所示，被解释变量分析师预测分歧度（DISP）的分母为分析师预测的EPS，若样本当年分析师预测EPS较低，造成分式值畸大的现象；预测准确度（ACCURACY）指标的分母为实际净利润的绝对值，考虑到若样本当年利润水平较低，也会造成分式值畸大的现象。因此，本文对上述这两个指标也在1%水平上进行了极值处理。同时，在整理数据时发现，净资产收益率（ROE）数据也存在极值问题，故本文也对该指标进行了极值处理。本文分别对三个样本进行了描述性统计，如表3，表4以及表5所示。 表3 变量描述性统计：证券分析师人数样本 变量符号 A:被解释变量
NUM B：解释变量 Auditor_big4 Auditor_big10 C：控制变量 LOGTA CR1 ROE TBQ UPDATE
样本数 3621 3621 3621 3621 3621 3621 3621 3621
均值 5.346 0.096 0.294 21.817 0.408 0.078 1.429 1.064
标准差 6.475 0.295 0.456 1.113 0.162 0.184 0.791 0.152
最小值 1 0 0 18.592 0.065 -1.533 0.498 1
中位数 3 0 0 21.713 0.402 0.089 1.182 1
最大值 31 1 1 27.809 0.864 0.979 10.244 3
表4 变量描述性统计： 证券分析师预测准确度样本
变量符号 A：被解释变量 ACCURACY B：解释变量 Auditor_big4 Auditor_big10 C：控制变量 LOGTA INS
样本数 2230 2230 2230 2230 2230
均值 -0.165 0.083 0.263 21.768 0.232
标准差 2.316 0.276 0.440 1.109 0.213
最小值 -10.995
0 0 18.651 0
中位数 0.672 0 0 21.665 0.173
最大值 1 1 1 27.346 0.985
CR1 ROE TBQ UPDATE EV 2230 2230 2230 2230 2230 0.408 0.070 1.408 1.065 0.815 0.167 0.228 0.772 0.150 1.687 0.065 -1.533 0.581 1 0.100 0.401 0.085 1.170 1 0.317 0.852 5.858 10.244 2 11.181 表5 变量描述性统计：证券分析师预测分歧度样本
变量符号 A：被解释变量 DISP B：解释变量 Auditor_big4 Auditor_big10 C：控制变量 LOGTA INS CR1 ROE TBQ UPDATE EV
样本数 2040 2040 2040 2040 2040 2040 2040 2040 2040 2040
均值 0.285 0.102 0.304 21.936 0.272 0.406 0.090 1.453 1.080 0.711
标准差 0.216 0.302 0.460 1.151 0.216 0.166 0.167 0.835 0.160 1.543
最小值 0.003 0 0 19.204 0 0.065 -1.533 0.581 1 0.100
中位数 0.226 0 0 21.854 0.220 0.405 0.097 1.189 1 0.296
最大值 0.995 1 1 27.346 0.985 0.852 0.863 10.244 2 0.711
从表3，表4以及表5中可知，三个样本总体对应的因变量取值大致相同，体现出较好的稳定性。被解释变量分析师数量（NUM）的均值在5.5左右，说明跟进样本公司中平均有5.5个不同的分析师对其发布研究报告。（限于篇幅，相关系数矩阵未报告，如需要可以提供）
四、多变量回归研究结果和分析
（一）基于审计质量的证券分析师预测人数指标的回归分析
表6给出了审计质量对分析师预测人数影响的回归方程。方程（1）和方程（2）分别以前四大会计师事务所和前十大会计师事务所作为审计质量的替代变量，对假说1做出检验。
表6 审计质量对分析师人数影响的回归分析
变量 常数项
Auditor_big4
预测符号
+
(1) NUM -61.63*** （-30.89） 0.884*** （2.86）
(2) NUM -62.93*** （-32.88）
