五、实证结果分析

（一）描述性统计及相关系数分析

表1列示了主要变量的描述性统计结果。

注：RETURN＿q=根据上证A股指数计算的q期季度指数累计回报率（数据来源于CSMAR）；M2＿q=M2（广义货币）的季度变化扣减同期GDP增长率衡量货币的超额发行水平M2＿q（数据来源于中国人民银行）。

表1显示，汇总季度会计盈余变化（ΔEARNING＿q）的均值为-0.7%，标准差为0.016；实际季度GDP增长率平均为15.1%，表明过去10年间中国的GDP始终保持着较高的增长速度。与此同时，宏观分析师GDP季度增长率预测值的均值为9.2%，宏观分析师经济预测偏差均值为0.003，可以看出宏观经济预测数据与真实GDP季度数据差异较小，一定程度上表明了宏观分析师预测的准确性。此外，我们发现，季度指数累计回报率（RETURN＿q）的均值为0.028，广义货币超额发行水平（M2＿q）的均值为0.029，这说明过去12年中中国的名义货币处于不断的扩张之中。

表2报告了主要变量的Pearson相关系数检验结果。相关系数矩阵结果显示，季度会计盈余变化（ΔEARNING＿q）与未来k期的宏观经济预测呈正相关关系，这表明会计盈余具有较强的宏观预测价值。实际季度GDP增长率与未来三期的实际季度GDP增长率显著正相关，这意味着经济增长存在较强的持续性。同时，我们发现q期的会计盈余变化与未来各期GDP预测值显著正相关，这表明宏观分析师在做出经济预测的时候明显考虑了会计盈余信息。在考察GDP预测偏差时，我们发现除了下一期的GDP预测偏差与季度会计盈余变化（ΔEARNING＿q）以及季度指数累计回报率（RETURN＿q）显著正相关以外，其他未来各期的GDP预测偏差与上述变量都不显著。

注：上表为Pearson系数检验， ^* p＜0.1， ^** p＜0.05， ^*** p＜0.01。

（二）实证结果与分析

表3报告了季度汇总会计盈余变化与未来各期GDP增长率之间的回归结果。回归（1）至回归（4）分别以q季度前推1、2、3和4期的GDP增长率作为被解释变量。我们发现，汇总季度会计盈余变化与q+k期的季度GDP增长率均在1%的显著性水平上正相关。并且，随着季度的前移，汇总会计盈余信息对未来GDP增长率的解释力度呈下降趋势（Adj.R ² 逐渐减少）。这与Konchitchki and Patatoukas（2014a）的发现一致，意味着在法律不是非常完善的转型经济中，上市公司的会计盈余依然具有宏观决策价值，也在一定程度上表明，随着市场化的深入、股权分置改革等基础制度的改善以及会计信息质量的提高，中国资本市场上市公司的业绩具有了提前反映宏观经济趋势的“晴雨表”功能。

注：因变量分别为q+k期季度GDP增长率，k=1，2，3，4分别表示前推1、2、3、4个季度，括号内为经过White异方差修正的t值。 ^* p＜0.1， ^** p＜0.05， ^*** p＜0.01。

此外，我们发现，在前推1和2期时，q期GDP增长率与未来GDP增长率呈现显著正相关关系，而在前推3、4期时，当期GDP增长率与未来经济增长并没有显著相关关系，这表明GDP增长率虽然具有持续性，但是其持续性保持仅有两个季度，可以推测，从宏观经济预测的角度看，相比实际GDP数据，上市公司会计盈余具有更高的预测价值。

上述研究发现，会计盈余具有很强的宏观预测价值，那么作为宏观经济预测的专业提供者——宏观分析师在做出经济预测时是否会吸收会计盈余的信息呢？接下来，我们对此进行了细致的检验，具体结果见表4。表4显示，控制q期GDP增长率影响后，季度汇总会计盈余变化与宏观分析师的GDP预测显著正相关，且均在1%的显著性水平上显著。这表明，宏观分析师在进行宏观经济预测时，会计盈余构成其重要的预测依据。

注：因变量分别为宏观分析师预测的q+k期季度GDP增长率，k=1、2、3、4分别表示前推1、2、3、4个季度，括号内为经过White异方差修正的t值。 ^* p＜0.1， ^** p＜0.05， ^*** p＜0.01。

上述研究发现，宏观分析师在做出经济预测时的确考虑了会计盈余的信息，问题是，他们是否有效地利用了会计信息，以及是否存在反应过度或者反应不足的现象。因此，我们进一步考察宏观分析师预测偏差与会计盈余的关系，如果分析师的预测偏差与会计盈余之间存在显著的相关关系，则意味着其对会计盈余信息的利用存在不足或者过度的可能，具体结果见表5和表6。在表5中，模型（1）至模型（4）分别以q季度前推1、2、3和4期的宏观分析师经济预测与实际GDP增长率的偏差作为被解释变量。结果显示，控制q期GDP增长率的影响后，在前推1期时，会计盈余变化与经济预测偏差呈现显著的正相关关系，并且在5%的显著性水平上显著，而在前推2、3和4期时，会计盈余变化与宏观经济预测偏差正相关，但并不显著。在表6中，因变量是实际的GDP增长率，我们在模型中控制宏观分析师的经济增长预测和q期的GDP增长率的影响。我们发现，在控制了分析师GDP预测之后，在前推1期的模型中，会计盈余变化与实际GDP增长率显著正相关，在前推2、3和4期时，两者之间的关系为正，但并不显著。

综合上述分析来看，在前推1期（即k=1）时，宏观分析师做出经济预测时对会计盈余信息可能反应不足，但是在前推2期之后，宏观分析师对会计盈余的利用就是有效的。一个可能的原因是，分析师发布预测的时间早于全部上市公司季报披露完成的时间，因此，分析师在做出下一季度GDP预测时只能获得上市公司披露的部分其他信息，这样就导致对该期会计盈余信息的反应不足。

注：因变量分别为q+k期实际季度GDP增长率与宏观分析师预测的q+k期季度GDP增长率的差值，k=1、2、3、4分别表示前推1、2、3、4个季度，括号内为经过White异方差修正的t值。 ^* p＜0.1， ^** p＜0.05， ^*** p＜0.01。

注：因变量分别为q+k期实际季度GDP增长率，k=1、2、3、4分别表示前推1、2、3、4个季度，括号内为经过White异方差修正的t值。 ^* p＜0.1， ^** p＜0.05， ^*** p＜0.01。

（三）稳健性检验

接下来，我们进行了多种稳健性检验：

首先，控制股票回报的影响。现有文献发现，资本市场的股票回报对未来宏观经济数据具有较强的预测能力（Konchitchki and Patatoukas，2014a，2014b），我们上述的发现可能源自股票市场回报对GDP增长率的预测能力。其次，在中国特定的制度背景下，货币的供应水平是影响未来宏观经济的重要因素。同时，宏观分析师在做出经济预测时可能充分考虑了上述变量反映的信息，进而提高了经济预测的精确度。因此，我们在上述模型中相继控制股票回报率和货币供应水平等变量，以更稳健地检验会计盈余对未来GDP增长率的影响，以及宏观分析师对会计盈余信息的利用状况。具体地，我们用上证A股指数计算与ΔEARNING＿q同期的季度指数累计回报率RETURN＿q（数据来源于CSMAR），M2的季度变化扣减同期GDP增长率衡量货币的超额发行水平M2＿q（数据来源于中国人民银行）。具体结果见表7和表8。

注：因变量分别为q+1时的季度GDP增长率，括号内为经过White异方差修正的t值。 ^* p＜0.1， ^** p＜0.05， ^*** p＜0.01。

注：模型（1）—（3）因变量分别为q+1时的宏观经济季度预测，模型（4）—（6）因变量为q+1期的宏观经济预测偏差，括号内为经过White异方差修正的t值。 ^* p＜0.1， ^** p＜0.05， ^*** p＜0.01。

表7中模型（1）控制累计回报率的影响，模型（2）对货币的超额发行影响进行控制，模型（3）将两者的影响都予以控制，结果显示，会计盈余变化（ΔEARNING＿q）与未来经济增长依然在1%的显著性水平上显著。类似地，表8报告了通过控制股票回报率和货币供应水平的影响以考察会计盈余对宏观经济预测及其偏差影响的回归结果。结果显示，模型（1）、（2）和（3）中，不论分别控制累计回报率或货币超额发行水平还是综合控制两者影响，会计盈余与宏观经济预测都显著正相关；模型（4）、（5）和（6）中，会计盈余与宏观经济预测偏差呈正相关关系，但只有模型（5）中会计盈余变化（ΔEARNING＿q）的回归系数在5%的统计水平上通过显著性检验。总体而言，这些结果与前文结论一致，表明结果稳健。

此外，我们还采用净资产收益率指标（ROE）衡量汇总会计盈余信息进行稳健性检验，与前文结论一致，表明结论稳健。 LbXR8mCz98TwyvmCT/w8f6tSpEYR3AeR65Blct87LhuqDNZUZo686pklEXT1unl5