·随着美国会计学者自20世纪60年代开始以经济学实证理念为重心的实证会计研究的兴起，会计学渐渐与经济学、统计学等学科交叉在一起，这种交叉一直推动着会计研究的快速发展，至20世纪80年代中期到达高峰。
本文是基于1986年威廉·R ·凯尼（William ·R.Kinney ）发表在美国《会计评论》（The Accounting Review ，简称AR ）上的《实证型博士论文设计》（Empirical Accounting Research Design For Ph.D.Students ，简称《设计》）所形成的。
该文主要是向博士生介绍实证会计研究设计的方法，包括基于主题或观察数据的研究和评价会计实验的框架、将重要独立变量的影响与研究期间以前变量的影响隔离开的可供选择的方法、以及同时期的变量，并讨论每一种方法的优势与局限性，同时也讨论了第一类错误和第二类错误风险之间的关系、样本容量和研究设计。
此外，该文还强调了研究设计的重要性，包括理论发展和减轻随机变量影响的方法，或许在会计实证研究中作为实现研究目标唯一实用的方法。
这篇文章的写作目的是介绍会计实证研究的基本框架，并建议在博士教学的第一学期课程中就开始开设或涉及会计实证研究方法的知识，为日后的研究设计和深入研究会计实质性领域的问题提供一个基础技术知识背景。
一、作者介绍、文献背景与基本框架（一）作者介绍威廉·R ·凯尼就任于德克萨斯大学奥斯汀分校会计学院。
他于1963年在俄克拉荷马州大学获得农学学士学位，同样在俄克拉荷马州大学1966年他获得了理学硕士学位，并在1968年获得密西根州立大学的博士学位。
从1988年至今他一直在德克萨斯州大学任教，此前也在密西根州大学、俄克拉荷马州大学等大学任教过，但时间均较短。
他主要的研究领域是审计学，所以亦曾在美国上市公司监管委员会任职。
从2005年至今他一直担任美国《会计评论》（The Accounting Review ）编委；从2003年至今，他还在担任《会计地平线》（Accounting Horizons ）编委会委员；并任KPM G 专职顾问委员，同时在博士选拔委员会等部门任职。
因此，可以说他是一位教学、学术和行政工作“三线通”的会计专家。
（二）文献产生背景20世纪60年代，美国经济学和财务学的研究，出现了突破性进展，为会计研究方法的转变提供了丰富的理论（如有效市场理论、资本资产定价模型、代理理论等）和可供借鉴的方法与模型，再加上计算机已普遍应用到日常科学研究中去，而一些大型的数据库也先后建立，缩短了实证研究所需要的分析时间，也降低了研究费用，一时间，实证会计研究即成为会计学术研究方法的主流。
但在当时的会计博士教学和科研计划中却遇到一个问题：博士一年级的学生在会计实证研究方面没有相关技术背景，包括在工商管理学士（B.B.A.）、工商管理硕士（M .B.A.）或者会计学硕士（M .Acc.）的计划中，都没有过实证研究的课程，许多学生也没有认真考虑它的本质。
为此，该文针对此现象专门对会计实证研究的相关基础定义，以及相关统计学的概念进行了介绍，以便给没有相关专业基础的博士学生一个感性认识。
尽管此文成文于二十多年前，但我们今天重读仍然有着巨大的指导意义。
（三）《设计》的基本框架该文共分为四个部分，其基本结构如下：第一部分，介绍了实证会计研究的定义和理论、假设和事实，也定义了“依赖的”、“独立的”、前期和同时期的变量；第二部分，讨论了将前期和同时期的变量的影响与独立变量区分开的可供选择的方法；第三部分，探究了显著性、检验的功效和研究设计之间的相互关系；第四部分，给出了概要和结论。
二、《设计》的主要内容（一）会计实证研究框架研究是一种有目的的活动，它的目的是让我们理解、预测或控制环境的某个方面。
研究在这里将被定义为：对“世界是怎么运转的”这样一个新理论的发展和检验，或驳倒现有的被广泛认同的理论。
对于会计来说，这些理论涉及与会计实践有关的世界怎样运转。
瓦茨（Watts ）和齐默尔曼（Zimmerman ）（1986）认为：“会计理论的目标是解释和预测会计实践”。
实证方法（世界是怎样的？）和传统的规范方法（关于会计实践应该是怎样的？）形成对比。
本质上，实证研究涉及理论、假设和事实。
“事实”是在真实世界中可以观察的情况或事件；“理论”对几组事实之间的关系提供一种试探性的解释；“假设”是对事实的预测或断言。
这些事实在特定的情况下发生，假定理论是有效的。
最后，观察事实，如果这些事实与在假设的情况下所做出的预测或断言一致，理论就是可信性的。
例如，假设观察到一支股票价格上涨通常跟随着一个公司宣布从直线折旧法变为加速折旧法。
为什么记账方法的改变能导致公司价值的增加呢？一种解释是市场参与者相信导致这种会计变化的事件预示着公司拥有更好的前景。
随着这种理论的发展和进一步的阐述，研究者可以对过去的变化进行观察研究，或者用实验去检验基于这种理论所所提出的解释和假设。
理论通常从理论变量的重要性角度进行表述，然而实证计量要求观察变量。
原理和真实世界的观察变量之间的差异是会计研究者所需解决的问题，因为会计指标可以是某些潜在原理的替代变量，或者可以是原理本身变量。
例如，公司“行为”是理论原理，选择收益作为公司行为的替代变量，那么直线折旧法是公司“行为”替代变量的组成部分。
作为替代变量，直线折旧法包含了两种潜在的错误来源，研究者必须加以考虑：一是替代变量本身的错误，因为直线折旧法可能没有“正确地”反映公司近期目的及相关行为；二是应用错误，因为在应用直线折旧法过程中可能存在错误或运用不精确。
为了使理论具有可信度，必须不仅能够表明假设检验结果与理论预测相一致，而且能够有根据地排除其他能解释所观察事实的理论。
这要求考虑一个适当全面的可供选择的解释列表。
此外，对于与会计相关的“事实”来说，相关学科的知识有助于提供可供选择的解释。
当然，一些可能的解释由于影响较小，很容易被排除。
为了详细说明问题，作者还设计一个模型进行解释：Y=f （X ，V 1，V 2，…，Z 1，Z 2，…）（1）Y=被解释变量；实证会计研究论文写作范式解析———威廉·R ·凯尼的《实证型博士论文设计》评析中南财经政法大学许慧赵丽娜129GLOBAL VISION国际视野·X=“独立”变量，提出的理论表明它应该影响Y ；Vs=前期影响（研究时期以前）因素，它们可能影响Y ；Zs=同时期的因素（除了X ），它们可能影响Y ，某些Zs 可能是X 、Y 、V 和其他Zs 的静止的未来值的期望值。
对于所提出的会计问题来说，常见的Y 就是一家上市公司股价变动；其他的变量是管理者的行为或决策（常见的X 是会计方法的变化或差异）。
无论是通过管理的选择还是通过调整的指示，常见的Vs 是公司的前期状态变量，例如利润率、杠杆作用、流动性和规模。
对于一些特定人类对象决策行为理论的检验，相应的Vs 也经常包括这对象的个性品质、数学能力、教育、训练、年龄、公司协会和经历等。
在会计研究中涉及股价变动最常见的Zs 为市场回报（M arket Return ）；此外对于外部报告和管理行为研究的Zs 是同时期对于其他公司或其他部门的会计计量未预料到的一部分；最后，既然会计研究者关注的是会计报告的影响，Zs 可以是公司在研究时点的“真实状态”的潜在特征，正如同时期公司的非会计报告所计量的。
（二）摆脱Vs 与Zs 对X 的影响为方便介绍，作者假定X 仅在两种水平上取值：一是Y 来自未“处理”（Treatment ）的控制组（Control Group ）；二是来自接收处理的处理组（Treatment Group ）（例如，为了检验加速折旧法的理论，控制组可能被定义为使用直线折旧法的公司，处理组可能被定义为使用加速折旧法的公司）。
为了简单起见，作者假定只有前期影响因素V 影响Y ，无论对象是来自控制组还是处理组，V 对Y 有同样的影响。
此外，假定没有同期影响因素Zs 影响Y ，Y 的模型是可以改为：Y ij =B 0+B 1X i +B 2V ij +e ij （2）其中：在这里Y ij 是第j 个对象在第i 个处理中的独立变量的值；B 0是对控制组的截距；X i 是哑变量（0代表控制组，1代表处理组）；B 0+B 1是对处理组的截距；B 2是联系V 和Y 的回归系数；e ij 是随机差误项，包括其他的Vs 和Zs 的影响，假定e ij 的期望是0，与X 或V 是无关的。
实验者可以忽略V ，可以随机地把各个对象分配给各个组。
一般来说，关于V 各个组将是等价的。
然而这样会存在很大的风险，比方说，这样一个程序可能把具有V 高值的对象分配给处理组，而把具有V 低值的对象分配给控制组。
在结果分析中，V 高值的影响将与处理结果混合在一起。
实验者可以通过以V 为计量的对象在各组之间随机分配，达到排除V 可能影响的效果。
以V 计量的样本对象根据它们的V 值被分成两组，每一组的样本对象被随机地分配给处理组。
因此，甚至对于小样本来说，关于V 这两组都是近似地等价的。
观察者没有机会把样本对象随机分配到处理组，并且实验者开展令人满意的随机分类也有困难，因为可能存在太多潜在重要的Vs 和Zs ，而它们必须同时匹配。
这样研究者就面临处理组的问题，这些处理组关于V 不等价。
对于非等价的组，有三种基本方法可以减少模型（1）中V 因素对X 的影响：第一，忽略V ，结果可以用单因素方差分析（ANOVA ）；第二，关于V 本质上等同于处理组，结果能够通过使用一个随机化的分组设计（Block Design ）分析；第三，用协方差分析（ANCOVA ）。
（三）a 、b 、样本容量和研究设计摆脱X 、Vs 和Zs 影响的研究计划包括四个相关的因素。
它们是a 、b 、样本容量和所谓的“研究设计”因素（用D 表示）。
在特定的情况下，确定了其中三个，也就确定了第四个。
统计因素a （第一类错误的可能性，或者是错误地拒绝一个没有处理影响而真正等于零假设的可能性）；b （第二类错误的可能性，或者是当事实上有处理影响时没有拒绝原假设的可能性）；样本容量已知。
研究设计因素是两个次要因素的比率：它的分子是（X ）处理影响的假设规模（用d 表示）；分母是等式中X 的系数估计值的标准偏差（用s 表示），由此得出D=d/s 。
其中，分子决定于研究者的理论，分母决定于研究者怎样摆脱Vs 和Zs 在现象检验中的潜在可变性。
所要求的样本容量是a 、b 、d 的递减函数，是s 的递增函数。
因此，对于一个特定的a 和b ，如果所提出的理论意味着对Y 有较大影响，或聪明的研究者设计一个可以摆脱Vs 和Zs 的影响的方案，那么所要求的样本容量将会较小。