Bsise    .5716    .741870    .75865    -0.1564    1.27513    -0.388    67    0.173
A    .5567    .67563    .58476    -0.4325    0.78659    0.543    56    0.576
B    .3789    .4529    .8952    1.0238    2.67530    1.015    53    0.052**
Total    .6984    .9763    .9907    -0.1456    1.03248    1.2875    67    0.1876
注：**表示在5%的水平显著
由于本文所选取的数据具有成对的对比性质，为了使结果更加明确和清晰，选用了成对样本检验，将两个相同性质但是不同公司的数据进行成对检验可以清楚的知道，在内部治理机制上，舞弊公司和非舞弊公司存在的问题。通过成对样本中相关系数，可以发现多数样本相关性较强。成对样本检验通过P值（即sig）<0.05 时拒绝原假设，两者存在显著差异。根据表格数据，可以知道，两者无显著性差异，则接受原假设。
对于外部治理机制，由于数据的欠缺，因此不能在成对样本检验中产生显著的差异，可能是因为这些因素对舞弊行为的影响比较间接，不能明确地体现。
2、 Logistic 回归分析
由于数据不符合二分类，故采取多元logistic回归进行分析。建立线性回归方程如下：
LogitP=Log[Pi/(1- Pi)]=a+BiXi
得：               Pi=1/[1+exp(-(a+BXi))]
其中：i=1,2，⋯⋯⋯n；a和B是有关回归系数，当自变量取值不变时，该自变量增加一个单位引起比数比(OR)自然对数值的变化量。
结果见表1.7
表1.7 Logistic回归分析
变量    B    标准误    Wald    df    显著水平    Exp(B)
                        
    Manage    -2.83882    7.91593    0.19875    1    0.56435    0.03553
    Manag    0.05432    0.05243    0.82346    1    0.34654    1.05764
    State    0.04324    0.06785    0.07896    1    0.33456    1.04768
    Campany    -0.01956    0.05234    0.06785    1    0.07865    0.98076
    Bsise    4.17659    3.58976    2.87632    1    0.15647    15.2145
    A    -0.0116    0.9358    0.0897    1    0.98765    0.96532
    B    -1.3876    0.7524    0.6871    1    0.06521    0.23670
    Total    2.5632    1.6730    1.0759    1    0.0724    13.580
表1.7中的EXP(B)及OR值，可以用某因素（自变量）内对其相应参考类别具有某种倾向性的倍数。即对管理层持股与股权结构等多个变量进行多因素分析后所得到的不同结果。为此可以得出，在多元回归下，五对数据都具有明显的倾向因素。再根据模型的假设，可以知道P值（即显著水平）只有少部分小于0.05，所以在多元logistic回归的模型下难以发现两者的显著性水平差异，因此，上面提出的原假设都成立。 关于公司治理和财务舞弊关系研究+理论分析+实证研究(8):http://www.751com.cn/kuaiji/lunwen_247.html