Td corrigé Communication - HAL-SHS pdf

Communication - HAL-SHS

Un modèle de régression sur les données de panel sera appliqué à ces ... Dans cet article, la deuxième section, sera dédié à l'examen des principales études ... comportement en séries temporelles des accruals et d'examiner par la suite les ...




part of the document



DESAGREGATION DES ACCRUALS DISCRETIONNAIRES ET PERTINENCE DU BENEFICE COMPTABLE

Hamadi Matoussi
Professeur (ISCAE Tunis)
Laboratoire Interdisciplinaire de Gestion Université-Entreprise (LIGUE)
Email :  HYPERLINK "mailto:hamadi.matoussi@iscae.rnu.tn" hamadi.matoussi@iscae.rnu.tn

Samia Ben Hamadi
Docteur (ISCAE Tunis)
Laboratoire Interdisciplinaire de Gestion Université-Entreprise (LIGUE)
Email: samia.ben HYPERLINK "mailto:hamadi.matoussi@iscae.rnu.tn" hamadi@iscae.rnu.tn

Mohamed Oussama Baklouti
Assistant contractuel (ISAA Sfax)
Tél : 98 97 28 14
Email : oussamabaklouti@yahoo.fr



Résumé
De nombreux travaux récents ont mis en évidence le rôle informationnel des accruals en général et ceux des accruals discrétionnaires en particulier. Certains ont testé cette relation d’une manière directe en étudiant l’effet des accruals sur la pertinence des bénéfices. D’autres l’ont fait d’une manière indirecte en étudiant leur effet sur les cash flows futurs ou sur la valeur de l’entreprise. Toutefois, aucune recherche ne s’est posée la question de voir si la désagrégation des accruals discrétionnaires augmenterait le pouvoir explicatif et prédictif du bénéfice. Les résultats de notre étude ont montré que les accruals discrétionnaires sont valorisés par les investisseurs français et que la désagrégation de ce type d’accruals améliore la pertinence du bénéfice comptable.

Mots clés
accruals discrétionnaires, désagrégation, pertinence du bénéfice comptable.


1- Introduction
Si les investisseurs utilisent les données comptables dans un objectif d'évaluation, il est possible de concevoir une relation entre ces données et la valeur d'entreprise. Cette relation peut toutefois être perturbée par les politiques comptables conduites par l’entreprise. De nombreux travaux ont tenté de mettre en évidence une relation entre le résultat publié et la valeur de l’entreprise.
En la matière, l’article de Ball et Brown publié en 1968 correspond à la première étude ayant marqué la littérature. Cette dernière va par la suite être complétée par des travaux qui tentent de mettre en évidence une relation entre les rendements anormaux et le montant du résultat inattendu. Le but de ces études est d’expliquer le comportement de la valeur de l’action par rapport au résultat publié par l’entreprise. Le résultat obtenu par ces études montre qu’il peut exister une relation entre les données comptables et la valorisation de l’entreprise par le marché. Or on sait que ces données sont influencées par des politiques comptables visant à maximiser ou à minimiser le résultat comptable. En effet, le résultat comptable correspond à la somme de divers éléments qui peuvent être classés en trois catégories selon qu’ils correspondent à des flux financiers, à des accruals non discrétionnaires ou à des accruals discrétionnaires. La somme des éléments compris dans les deux premières catégories représente un résultat normé et objectif sur lequel le préparateur des comptes ne peut exercer aucune influence. En revanche, les éléments de la troisième catégorie correspondent à une composante du résultat dont le montant est laissé à la discrétion du préparateur des comptes. Pour cette composante, il existe deux scénarios possibles. Dans un premier cas de figure, les dirigeants peuvent adopter une position totalement opportuniste et fixer les accruals discrétionnaires dans le but de maximiser leurs intérêts propres. Dans le deuxième cas, ils peuvent utiliser les accruals discrétionnaires pour transmettre aux investisseurs une information qui leur permettra de mieux appréhender la valeur de l’entreprise.
Le concept d’accruals discrétionnaires n’a cessé d’évoluer sur le plan de la conception de modèles de plus en plus aptes à isoler la composante discrétionnaire que sur l’objectif de la recherche dans le cadre de la théorie positive de la comptabilité. En effet, la manipulation des accruals discrétionnaires a attiré l’attention des chercheurs vers l’examen du comportement du marché financier face à de telles pratiques comptables discrétionnaires supposées influencer les titres des sociétés cotées.
Les résultats relatifs au contenu informationnel des accruals discrétionnaires ne font pas cependant l’objet d’un consensus général. Subramanyam (1996) détermine la corrélation entre la valeur boursière et trois mesures du résultat d’un échantillon conséquent d’entreprises américaines cotées à la NYSE. Les résultats de Subramanyam sont révélateurs. Il montre d’abord que le résultat net déclaré est fortement corrélé à la valeur boursière de l’entreprise. Il montre aussi que le résultat net est moyennement corrélé au simple excédent de trésorerie d’exploitation. Ceci suggère qu’il est pertinent de pratiquer la comptabilité telle qu’on la pratique, puisque le résultat déclaré reflète mieux la valeur de l’entreprise qu’un résultat issu d’une simple comptabilité de caisse. Les résultats de Subramanyam montrent aussi que le résultat net théorique, qui aurait été déclaré si l’entreprise n’avait pas manipulé ses comptes, est moins fortement corrélé à la valeur boursière de l’entreprise que le résultat déclaré, censé avoir été manipulé. Ceci suggère qu’en manipulant, le dirigeant incorpore au résultat l’impact de certains évènements qui ont été pris en compte dans l’évaluation boursière de la firme.
Toutefois, les résultats de ce type d'études, ainsi que leur interprétation dépendent de la capacité des modèles de mesure des accruals discrétionnaires, à identifier correctement la partie manipulée. En effet, étant donné que les accruals discrétionnaires ne sont pas observables et ne peuvent pas être déterminés comptablement, ils sont donc tributaires du modèle utilisé pour les déterminer .Le modèle le plus utilisé dans les recherches antérieures est celui de Jones modifié. Cependant, Dumontier et Chalayer (1996), ont proposé un modèle d’évaluation basé sur la désagrégation des accruals totaux.
En nous inspirant à la fois du modèle de décomposition de Dumontier et Chalayer (1996) et du modèle de Jones modifié pour estimer la partie discrétionnaire des accruals, nous essaierons de voir si la décomposition des accruals discrétionnaires améliore la pertinence du bénéfice comptable.
Ainsi et pour répandre à notre question de recherche nous utiliserons la méthodologie des études d’association afin de tester l’apport informationnel additionnel de la désagrégation des accruals discrétionnaires au bénéfice comptable. En effet les études d’associations mesurent la relation entre les rendements boursiers et les différentes composantes du bénéfice comptable. L’intensité de cette association est mesurée par le coefficient de détermination (R2).
Notre analyse portera sur un échantillon d’entreprises françaises cotées ou’ les données couvrent la période : 1994 à 1998
Un modèle de régression sur les données de panel sera appliqué à ces données afin de voir si la désagrégation de la composante discrétionnaire des accruals augmentait le pouvoir explicatif du modèle.

Dans cet article, la deuxième section, sera dédié à l’examen des principales études ayant analysé le contenu informationnel des accruals discrétionnaires. Au niveau de la troisième section, nous allons essayer tout d’abord de résumer les hypothèses de l’étude. Nous présenterons, ensuite les différentes étapes de la méthodologie que nous mettrons en œuvre pour valider ces hypothèses ; nous présenterons dans une quatrième section les résultats obtenus accompagnés des interprétations alors que la conclusion de l'étude est présentée dans la cinquième section.

2- LE CONTENU INFORMATIONNEL DES ACCRUALS DISCRETIONNAIRES : revue de la littérature

Plusieurs études empiriques tendent à valider l’hypothèse selon laquelle le processus de la gestion des résultats est porteur d’informations sur la valeur des entreprises.
Subramanyam (1996) utilise le marché financier comme référence et établit des régressions ayant pour variable à expliquer les rendement boursier annuel et comme variable explicative les composantes du résultat net de l’exercice tel que le cash- flow d’exploitation, les accruals non discrétionnaires, le bénéfice non discrétionnaire et les accruals discrétionnaires. Il affirme que les accruals discrétionnaires ont un contenu informationnel supplémentaire à celui fournit par les flux de trésorerie ou celui du résultat non discrétionnaire. De plus, les accruals discrétionnaires prévoient les niveaux de rentabilité futurs ainsi que les changements des dividendes distribués.

Chan (1996) a mené une étude visant à identifier les raisons économiques qui laissent les accruals prévoir les rendements futurs. Il s’est intéressé à trois composantes principales des accruals : la variation des créances clients, la variation des stocks et la variation des dettes fournisseurs.

L’étude de Chan (1996) met en évidence le contenu informationnel de la gestion du résultat. En effet, les variations dans les composantes d’accruals peuvent constituer soit des bons ou des mauvais signaux concernant les performances futures de l’entreprise.
Nwaeze (2002) s’est intéressé à trois composantes principales des accruals relatifs au fond de roulement : la variation des créances clients, la variation des stocks et la variation des dettes fournisseurs fournis par l’état des flux de trésorerie et ce dans le but de déterminer le comportement en séries temporelles des accruals et d’examiner par la suite les caractéristiques des firmes de l’échantillon. . Les résultats de Nwaeze (2002) sont conformes à l’hypothèse de l’utilisation des accruals discrétionnaires dans une perspective de communication.

3- LE CONTENU INFORMATIONNEL DES ACCRUALS DISCRETIONNAIRES : Application à un échantillon de firmes FRANÇAISES

Avant de présenter la méthodologie qui sera adoptée au niveau de notre étude empirique, nous nous proposons, au préalable, de résumer les hypothèses que nous allons valider tout au long de ce travail de recherche.
3- 1- La formulation des hypothèses de la recherche 
3-1-1- Hypothèse du contenu informationnel des accruals discrétionnaires 
L’étude de Dumontier et Elleuch (2002) met en évidence le contenu informationnel des accruals discrétionnaires en utilisant la méthodologie des études de réaction. Cela étant, on juge essentiel de confirmer le rôle informatif des manipulations comptables discrétionnaires, en utilisant une autre méthodologie qui est celle des études d’association. En effet les études d’association mesurent une relation linéaire entre les cours boursiers et les informations comptables. L’intensité de cette relation est mesurée par le coefficient de détermination (R2). Le R2 constitue une représentation de la pertinence de l’information comptable.
D’où la première hypothèse que nous nous proposons de valider dans le cadre de ce travail :
Les accruals discrétionnaires sont valorisés par le marché financier français :
3-1-2-  Hypothèse du contenu informationnel supplémentaire fournit par les accruals discrétionnaires désagrégés
De nombreux travaux récents ont mis en évidence le rôle informationnel des accruals en général et ceux des accruals discrétionnaires en particulier. Certains ont testé cette relation d’une manière directe en étudiant l’effet des accruals sur la pertinence des bénéfices. D’autres l’ont fait d’une manière indirecte en étudiant leur effet sur les cash flows futurs ou sur la valeur de l’entreprise.
Toutefois, aucune recherche ne s’est posée la question de voir si la désagrégation des accruals discrétionnaires augmenterait le pouvoir explicatif et prédictif du bénéfice.C’est ce que nous essaierons de tester dans l’hypothèse n°2, qui peut être formulée ainsi :
La désagrégation des accruals discrétionnaires véhicule un contenu informationnel supplémentaire au marché financier français :
3-2- Développement de la méthodologie de l’étude
Pour opérationnaliser nos deux hypothèses, nous devrons les traduire en variables. Ainsi la gestion des résultats sera captée par la ou les variables qui peuvent être à l’origine des déviations du résultat observé de celui qui le serait en l’absence de manipulations comptables. La variable accrual est unanimement avancée par la littérature pour approcher cette gestion de résultat.
La pertinence des résultats comptables est le second phénomène ou concept à traduire en variable. La littérature approche cette pertinence par l’effet que les résultats ou leur annonce peuvent avoir sur les prix et les rendements.
La variable retenue n’est pas toujours la même dans les études antérieures. Toutefois, on peut trouver deux catégories par référence aux deux grands courants dans le domaine :
-Dans les études de réaction, la variable est approchée par le rendement anormal autour de l’événement (annonce du résultat ou publication des comptes annuels).
-Dans les études d’association, la variable est approchée par le degré d’association (R2 ou coefficients de réponse) entre le résultat (et/ou ses composantes) et le rendement boursier.
Comme nous sommes placés dans le cadre des études d’association, nos variables d’intérêt seront donc déterminées en fonction de ce type d’études.
Nous essaierons dans ce qui suit de présenter et justifier le choix des composantes du cadre opératoire de nos hypothèses (les sources de données, les indicateurs de nos variable et les modèles de mise en relation entre nos variables.
3- 2- 1- Les données et variables de l’étude
3- 2- 1-1- Les données de l’étude
3- 2- 1-1 1- L’échantillon 
Pour vérifier nos hypothèses, nous avons besoin de données comptables et de données boursières .Ainsi notre échantillon est composé d’entreprises françaises cotées en bourse.
Les entreprises sélectionnées appartiennent à différents secteurs d’activités de (construction, produits métalliques manufacturés, électronique et d’équipements) puisque le secteur d’activité n’a jamais été évoqué comme facteur pouvant affecter la relation entre la gestion de résultat et la pertinence du bénéfice comptable.
Dans ce travail de recherche la période d’étude est entre l’année 1994 et l’année 1998.
Nous avons choisi de mener cette étude dans le cadre du contexte français, car les états financiers des entreprises françaises sont largement détaillés ce qui nous permet de tester nos hypothèses.

3- 2- 1-1 2 - La nature et les sources de données

Les données sont collectées à partir des rapports annuels des firmes classées par industrie au niveau de la base de données world scope (cette base de données renferme des données comptables et des données boursières ).
Les données de base qui nous permettront de valider les hypothèses de cette étude concernent le bilan, le compte de résultat et l’état des flux de trésorerie figurants dans les rapports annuels et nécessaires pour la détermination des accruals totaux, des accruals discrétionnaires, des accruals non discrétionnaires etc.
3- 2- 1-2- Définition et mesure des variables
3- 2- 1-2-1- variables dépendantes
A –Notion de la pertinence du résultat comptable 
La pertinence est une qualité difficilement quantifiable et s’apprécie par l’utilité de l’information divulguée pour ses utilisateurs. Le problème réside ainsi dans l’opérationnalisation de cette notion.



B –Mesure de la pertinence du résultat comptable 
Sloan (1995), identifient deux approches de mesure de la pertinence : l’approche basée sur le rendement et l’approche basée sur les pouvoirs explicatifs.

Pour la première approche, la pertinence des informations s’apprécie par le rendement pouvant être réalisé suite à la prise en compte de l’information comptable.
Pour la seconde approche la pertinence des informations s’apprécie par le pouvoir explicatif du modèle mettant en évidence la relation entre le cours de l’action et les informations comptables.
Dans notre travail de recherche, on va adopter la seconde approche de la pertinence des informations comptables, étant donné que nous travaillons sur les études d’association.

C- l’indicateur retenu 
Dans les études d’association la variable pertinence des informations comptables est approchée par le degré d’association entre le résultat et le rendement boursier. Cette approche est adoptée par les travaux de Subramanyam (1996), et L’étude de Guay, Kothari et Watts (1996). 
L’indicateur retenu pour le rendement boursier est le suivant.

1- Rendements boursiers (Rit) :
Rit = (Pit – Pit-1+ DSit + DIVit + DAit)/ Pit-1
Avec :
Pit : prix de fin de période
P it-1: Prix de début de période
DIVit : dividendes payés au cours de l’exercice.
DAit : droit d’attribution en cas d’augmentation du capital par attribution d’actions gratuites.
DSit : droit de souscription en cas d’augmentation du capital par émission d’actions.

3-2-1-2-2- Variables indépendantes 
A-Notion de gestion de résultat
Schipper (1989) définit la gestion des résultats comme une intervention délibérée dans le processus de présentation de l’information financière dans le but de s’approprier des gains personnels.
B-La traduction de gestion de résultat en variable
La variable accrual est avancée par la littérature comptable pour approcher la gestion de résultat. Le terme « accruals», (accruals= accruals non discrétionnaires+ accruals discrétionnaires), n’ayant pas d’équivalant généralement admis en français, est égal à la différence entre le résultat net de l’exercice et les fonds générés par l’exploitation. Les accruals sont en effet constitués de tous les produits et charges enregistrées au compte de résultat et qui n’ont donné lieu à aucun flux au cours de l’exercice. Il s’agit donc de charges et produits calculés (dotations aux amortissements, dotations et reprises de provisions, régulations de charges et produits, etc.) et de charges et produits décalés (éléments constitutifs de la variation du besoin en fonds de roulement, etc.).

C- l’indicateur retenu 
Puisque la gestion des résultats a pour effet de modifier les accruals de l’entreprise plus exactement la fraction discrétionnaire de ces derniers, les chercheurs, afin de déceler ou mesurer la gestion stratégique des résultats, ont développé des modèles d’estimation des accruals non discrétionnaires afin de pouvoir isoler la fraction discrétionnaire des accruals (agrégée et désagrégée).
Avant de déterminer l’indicateur de la variable accruals discrétionnaires agrégés par action (ACCDISAGPA) et de la variable accruals discrétionnaires désagrégés par action (ACCDISDEPA), on va déterminer l’indicateur de la variable accruals  totaux par action.
C-1- l’indicateur de la variable accruals totaux par action
Subramanyam (1996), a adopté dans son étude la méthode directe pour le calcul des accruals  totaux par action. Cette méthode à été suivie dans notre travail de recherche.
1 -Les accruals totaux par action (ACCTPA) selon la méthode directe :
C’est la différence entre le bénéfice par action et le cash-flow d’exploitation par action. ACCTPA= BPA- CFPA
2- Le bénéfice par action (BPA) :
C’est le bénéfice net d’impôt divisé par le nombre total d’actions.
3 -Le cash-flow d’exploitation par action (CFPA) :
Cette variable représente le solde des entrées et des sorties de flux liées à l’activité d’exploitation de l’entreprise divisé par le nombre total d’action.
C-2- l’indicateur de la variable accrual  non discrétionnaire par action (ACCNDISPA) 
C’est la composante des accruals qui n’est pas sensée être manipulée par les dirigeants, divisée par le nombre total d’actions. En effet la somme du flux d’exploitation par action et des accruals non discrétionnaires par action (ACCNDISPA)  nous donne le bénéfice non discrétionnaire par action (BNDISPA ): BNDISPA = CFPA + ACCNDISPA

C- 3-l’indicateur de la variable accruals discrétionnaires agrégés par action (ACCDISAGPA)
Cette variable représente la proxy de gestion du bénéfice comptable. Jones a développé en 1991 un modèle de calcul des accruals discrétionnaires. Ce modèle a connu une grande utilisation dans le domaine de recherche en comptabilité. Ce modèle a été modifié en 1995.
En effet la version modifiée du modèle de Jones nous permet d’apprécier la variation des accruals non discrétionnaires en fonction des immobilisations brutes et de la variation des ventes au comptant, en effet le modèle se présente ainsi.
ACCTit / TA it-1 = a0 / TA it-1 +a1 [ VAVENit  / TA it-1]+a2[IMMOit/ TA it-1]-+ ßit. 1
Les indices « i » et « t » représentent respectivement la firme et l’année en question.
1- ACCTit
Cette variable représente les accruals totaux (ACCT).
2-VAVENit :
Elle correspond aux ventes au comptant. Il s’agit en fait de la variation des ventes totales diminuée de la variation des créances clients.
3- IMMOit :
Elle représente la valeur des immobilisations totales brutes hors immobilisations financières.
4- TA it :
Elle correspond à l’actif total.

La version modifiée du modèle de Jones nous permet d’estimer Les accuruals discrétionnaires agrégés de l’année t , qui sont mesurés par le terme d’erreur ßit.
Pour trouver les accuruals discrétionnaires agrégés par action ACCDISAGPA, on divise les termes d’erreurs ßit, représentatifs d’accruals discrétionnaires, par le nombre total d’action.
C-4 l’indicateur de la variable accruals discrétionnaires désagrégés par action (ACCDISDEPA)
Le modèle de Dumontier , nous permet de déterminer les accruals discrétionnaires désagrégés par action ( ACCDISDEPA).
Les accruals désagrégés par action sont identifiés en suivant les étapes suivantes :
Première étape : décomposition des accruals totaux :
Dumontier décompose les accruals totaux par action (ACCTPA), en quatre composantes. (Les accruals totaux par action = les accruals discrétionnaires par action + les accruals non discrétionnaires par action).
Cette décomposition se traduit ainsi.
ACCTPA="BFRPA+PROVPA+DAPA+ + REGULPA.

Ou
-La première composante est la variation de besoin en fonds de roulement par action.( "BFRPA) avec :
"BFRPAt = BFRPAt- BFRPAt-1
BFRPA = (actif courant hors trésorerie de l actif- passif courant hors trésorerie passif) / nombre total d’actions.
- La deuxième composante représente les provisions d’exploitation par action (PROVPA).
- La troisième composante représente les dotations aux amortissements par action (DAPA).
- La quatrième composante représente les charges à répartir par action et la production immobilisée par action (REGULPA).

Deuxième étape : Appréciation des accruals discrétionnaires désagrégés :
Chaque composante des accruals totaux par action est composée d’une partie discrétionnaire et une autre non discrétionnaire.
Pour déterminer la partie discrétionnaire de chaque composante des accruals totaux par action, on procède ainsi.

-les variation de besoin en fond de roulement sont fonction des variations du chiffre d affaires de l exercice.( "CAPA ).
"BFRPAt =a0+ b0 "CAPAt + Ã0t
-Les dotations aux amortissements sont fonction des immobilisations corporelles brutes. (IMMOTPA).
DAPA t =a1+ b1 IMMOTPAt+ Ã1t
-Les provisions d exploitation sont fonction du chiffre d affaires (CAPA).
PROVPA t =a2+ b2 CAPAt+ Ã2t
-Les charges régularisées sont fonction des charges (CHAPA).
REGULPAt=a3+ b3CHAPA t+ Ã3t
Donc la détermination des accruals discrétionnaires désagrégés (ACCDISDEPA) se fait selon l égalité suivante :
ACCDISDE PA t = Ã0t + Ã1t+ Ã2t +Ã3t


ACCDISDE PA =" BFRDISPA + PROVDISPA+ DADISPA + REGUL DIS PA
Avec :
1- "BFRDISPA :
Cette variable correspond à la variation de besoin en fond de roulement discrétionnaire par action.
2- PROVDISPA :
Cette variable correspond aux provisions d’exploitations discrétionnaires par action.
3- DADISPA :
Elle représente les dotations aux amortissements discrétionnaires par action.

4- REGULDISPA :
Cette variable représente les charges à répartir discrétionnaires par action, production immobilisée discrétionnaire par action.

Une fois, on a identifié les accruals discrétionnaires désagrégés par action (ACCDISDEPA), et estimé les accuruals discrétionnaires agrégés par action (ACCDISAGPA), on va les utiliser pour vérifier quel est le type d’accruals discrétionnaires, le plus informatif (désagrégé ou agrégé).
3- 2- 2-Les modèles de mise en relation entre les variables d’étude
L’étude du contenu informationnel des accruals discrétionnaires (désagrégés ou agrégés), nécessite les trois modèles économétriques suivants.
Rit = (01 + (11 CF PAit + (31 ACCT PAit +( it régression1
R it = (02 +( 12 BNDIS PA it +(32 ACCDISAG PA it + Ãit régression2
Rit = ( 03 + ( 13 BNDIS PA it + ( 33 ( BFRDIS PA it + ( 43 PROVDIS PAit + (53 DADIS PAit + (63 REGULDISPA it +qit régression3
Les indices « i » et « t » ont été définis précédemment.
La régression n°1 met en évidence la relation entre les rendements boursiers et le bénéfice comptable par action décomposé en cash flow d’exploitation par action et en accruals totaux par action.
La régression n°2 met en évidence la relation entre les rendements boursiers et le bénéfice comptable par action décomposé en accruals discrétionnaires agrégés par action et en bénéfice non discrétionnaire par action.
La régression n°3 met en évidence la relation entre les rendements boursiers et le bénéfice comptable par action décomposé en accruals discrétionnaires désagrégés par action et en bénéfice non discrétionnaire par action.
Pour examiner le contenu informationnel des accruals discrétionnaires, nous allons adopter la méthode du pouvoir explicatif. Pour tester l’hypothèse n°1 on va comparer le pouvoir explicatif de la régression n°1 par rapport aux régressions n°2 et n°3. Si le pouvoir explicatif des régressions n°2 et n°3, est supérieur à celui de la régression n°1, donc les accruals discrétionnaires désagrégés par action et les accuruals discrétionnaires agrégés par action possèdent tous les deux un contenu informationnel. La mise en évidence du contenu informationnel supplémentaire, fournit par les accruals discrétionnaires désagrégés par action, par rapport aux accruals discrétionnaires agrégés par action, est testée à travers la comparaison du pouvoir explicatif de la régression n°3, par rapport à celui de la régression n°2. Si le pouvoir explicatif de la régression n°3 est supérieur à celui de la régression n°2, alors les accruals discrétionnaires désagrégés possèdent un contenu informationnel supplémentaire par rapport aux accruals discrétionnaires agrégés.

3- 2- 3 -Méthode d’estimation
Nous avons estimé nos variables dans une première phase avec la méthode des moindres carrées ordinaires (MCO).Les résultats obtenus indiquent en général la faible association entre les rendements boursiers et le bénéfice comptable, ce qui nous a poussé à travailler sur les données de panel et utiliser les méthodes d’estimation, adaptées à ce type de données. L’identification de la méthode d’estimation la plus adaptée se fera régression par régression selon les étapes suivantes. Première étape : Le test de spécification ou test d’homogénéité des constantes puis deuxième étape : Le test de Hausman. Les deux étapes vont être exposées progressivement avec les résultats.
il faut noter que les modèles qu'on va utiliser dans cette étude sont des modèles linéaires simples du type :
Yi,t = (i + (iXi,t +(it
Les indices « i » et « t » ont été définis précédemment.  EMBED Equation.3 
Avec :
- Yi,t : la variable dépendante (le rendement boursier (Rit) ou accruals totaux divisés par le total actif de l’année dernière ( ACCT/TA) ) de l'entreprise i à l'instant t.
-(i : coefficient des variables indépendantes.
-Xi,t : une des variables explicatives (CFPA, ACCTPA, BNDISPA, ACCDISAGPA, (BFRDISPA, PROVDISPA, DADISPA, REGULDISPA) pour l'entreprise i à l'instant t.
- (it : les termes d'erreurs ou les innovations.
4- Présentation et Interprétation des Résultats Empiriques 

Cette section est organisée sous forme de trois sous sections. Une première sous section traitera les statistiques descriptives. Une deuxième traitera les spécificités des données collectées dans laquelle on testera l’existence ou non d’effets individuels. Quant à la troisième sous section, elle sera consacrée à l’étude du contenu informationnel des accruals discrétionnaires.
4 –1- Statistiques descriptives :
On présente en ce qui suit une description synthétique des données de notre recherche. Ainsi, le tableau 1 résume les statistiques descriptives des variables de l’étude. L’objectif de cette sous section consiste à connaître le signe de la manipulation des accruals discrétionnaires (agrégés ou désagréges). Tableau N°1 : Statistiques Descriptives des variables de l’étude. (Données relatives à l’ampleur des accruals discrétionnaires agrégés)
et désagrégés).

Variables par actionMinimumMaximumMoyenneEcart typeBPA-30.520.500.1741.8410CFPA-7,160,100,7803,4100BNDISPA-13,4535,150,11601,45700ACCTPA-34,2012,45-0,6062,45600ACCDISAGPA-29,158,560,05801,40500"BFRDISPA-0.106.270,01551, 4468DADISPA-0,032,050,00042,83730PROVDISPA-0,286,120,04211,86021REGULDISPA-0,021,870,00272,90238
BPA : Bénéfice par action. CFPA : Cash flow d’exploitation par action. BNDISPA : Bénéfice non discrétionnaire par action. ACCTPA : Accruals totaux par action. ACCDISAGPA : Accruals discrétionnaires agrégés par action. BFRDISPA : Variation du besoin en fonds de roulement discrétionnaire par action. DADISPA : Dotations aux amortissements discrétionnaires par action. PROVDISPA : Provisions d’exploitation discrétionnaires par action. REGULDISPA : Autres discrétionnaires par action


D’après les résultats ci dessus, les accruals totaux par action sont en moyenne négatifs. Les accruals discrétionnaires agrégés par action sont positifs. Cela indique que les entreprises françaises manipulent en moyenne à la hausse. Cette même constatation est confirmée en regardant de plus prés les quatre composantes d’accruals discrétionnaires qui sont en moyenne positifs. En effet les composantes (BFRDISPA, PROVDISPA sont les plus manipulées.
Avant de passer aux tests de spécification du processus générateur des données, il faut étudier la corrélation entre les variables exogènes. Deux variables corrélées ne doivent pas être intégrées dans le même modèle.
Dans les tableaux 2 et3 on récapitule les résultats de ces tests.



Tableau N°2 : Relation entre les variables exogènes
(Modèle de Jones modifié)

VariablesCorrélationBNDISPACFPAACCTPAACCDISAGPABNDISPACorrélation de Pearson1,0000,158**0,007-0,041Sig.
(bilatéral)0,0000,0000,8720,191CFPACorrélation de Pearson0,158**1,000-0,0120,0550Sig;
(bilatéral)0,0000,0000,6110,161ACCTPACorrélation de Pearson0,007-0,0121,0000,224**Sig;
(bilatéral)0,8720,6110,0000,000ACCDISAGPACorrélation de Pearson-0,0410,05500,224**1,000Sig;
(bilatéral)0,1910,1610,0000,000
- BNDISPA : Bénéfice non discrétionnaires par action -CFPA : Cash Flow d’exploitation par action- ACCTPA : accruals totaux par action. -ACCDISAGPA : accruals discrétionnaires agrégés par action -** La corrélation est significative au niveau 0,01 (bilatéral).


Il ressort du tableau 2 que la corrélation entre les deux variables CFPA et ACCTPA, introduites dans le modèle 1, est statistiquement non significative (test de Pearson = -0,012). Ce résultat nous permet d'introduire ces deux variables dans le même modèle 1. De même pour les deux autres variables BNDISPA et ACCDISAGPA introduites dans le modèle 2 (test de Pearson = - 0,041).


Tableau N°3 : Relation entre les variables exogènes
(accruals discrétionnaires désagrégés)

VariablesCorrélationDADISPA(BFRDISPAPROVDISPAREGULDISPABNDISPADADISPACorrélation de Pearson1,0000,0040,0210,011-0,256**Sig
(bilatéral)0,0000,6410,4130,4810,000(BFRDISPACorrélation de Pearson0,0041,000-0,220**0,044-0,040Sig
(bilatéral)0,6410,0000,0000,1730,191PROVDISPACorrélation de Pearson0,021-0,220**1,0000,081-0,536**Sig
(bilatéral)0, 4130,0000,0000,1010,000REGUL DISPACorrélation de Pearson0,0110,0440,0811,000-0,050Sig
(bilatéral)0,4810,1730,1010,0000,281BNDISPACorrélation de Pearson-0,256**-0,040-0,536**-0,0501,000Sig
(bilatéral)0,0000,1910,0000,2810,000
-DADISPA : dotations aux amortissements discrétionnaires par action. -(BFRDISPA : variation du besoin en fonds de roulement discrétionnaires par action -PROVDISPA : provisions d’exploitation discrétionnaires par action- REGUL DISPA : Autres discrétionnaires par action- BNDISPA : Bénéfice non discrétionnaire par action- ** La corrélation est significative au niveau 0,01 (bilatéral).

Il ressort du tableau n°3 que la corrélation entre les cinq variables, introduites dans le modèle 3, est statistiquement non significative. Ce résultat nous permet d'introduire ces variables dans le même modèle.
4- 2 - Etude des spécificités des données de panel 
Comme on l’a noté, notre étude se base sur des données structurées sous forme de panel. Dans cette structure, on combine la dimension temporelle et individuelle. Dans ce qui suit, la toute première chose qu’il convient de vérifier est la spécification homogène du processus générateur de données c’est à dire il faut distinguer entre l’effet spécifique et l’effet commun.
4- 2 -1- Test de spécification du processus générateur des données

Le but de cette étape, consiste à discriminer entre l’effet spécifique (existence des caractéristiques spécifiques pour chaque entreprise) et l’effet commun.(absence des caractéristiques spécifiques pour chaque entreprise ). Cette discrimination se fait a l’aide du test d’homogénéité des constantes.
Le test d'homogénéité des constantes permet d'accepter ou de rejeter l'hypothèse d'égalité des (i ((i = (2 = …………….= (n).
On impose dans ce test l'égalité des paramètres (i.
Sous l'hypothèse d'indépendance et de normalité des résidus on construit une statistique de Fisher pour tester ces (n - 1) restrictions linéaires. Sous l'hypothèse alternative, les coefficients (i sont tous égaux mais les constantes différent selon les individus. On a donc nT – n– K degrés de liberté :



 EMBED Equation.3 
Où :
SCR1,c' : La somme des carrés des résidus du modèle (1) sous l'hypothèse d'égalité des (i (modèle à effets individuels).
SCR1,c : La somme des carrés des résidus du modèle contraint qui s'écrit sous la forme de Yi,t = ( + (Xi,t + (it.
On dispose ainsi d'un échantillon de n*T observations pour identifier les paramètres communs ( et ( de cette relation. On applique alors la méthode des moindres carrées ordinaires (MCO) sur les données empilées.
n : Le nombre d’entreprises.
k : Le nombre de variables explicatives.
T : Le nombre d’années.
On doit choisir le modèle le plus approprié en fonction du résultat du test de F.
Si la probabilité d’acceptation de l’hypothèse nulle d’égalité des constantes ( ,est supérieure à 5% ,dans ce cas ,nous avons un effet commun . L’estimation se fait par le MCO.

Si la probabilité d’acceptation de l’hypothèse nulle d’égalité des constantes ( est inférieure à 5%, dans ce cas, nous avons un effet spécifique et nous passons au modèle à effets individuels (modèle à effets aléatoires et le modèle à effets fixes) .
Dans ce paragraphe, on présente les résultats des tests de spécification relatifs aux deux modèles (modèle du rendement et modèle d’accrual).

Tableau N°4: test de spécification : (test d'homogénéité des constantes (i)

Modèle d'accrual (la variable endogène est l’accrual total divisé
Par l’actif total de l’année dernière)

TestsValeurs de la statistique de fisherP valueconclusionType d'effet Secteur électronique1,3540,003587Rejeter l'hypothèse nulle d'égalité des constantesEffet spécifiqueS Secteur des produits métalliques manufacturés3,3560,004191Rejeter l'hypothèse nulle d'égalité des constantesEffet spécifiqueSecteur de construction1,7380,001969Rejeter l'hypothèse nulle d'égalité des constantesEffet spécifiqueSecteur d’équipement.2,4780,002985Rejeter l'hypothèse nulle d'égalité des constantesEffet spécifique-P value : Probabilité d'acceptation de l'hypothèse nulle d'égalité des constantes.


Tableau N°5 : Test de spécification : (test d'homogénéité des constantes (i)

Modèle du rendement (la variable endogène est le rendement boursier)

TestsValeurs de la statistique de fisherP valueConclusionType d'effetReg11,9560,003722Rejeter l'hypothèse nulle d'égalité des constantesEffet spécifique Reg22,2470,002814Rejeter l'hypothèse nulle d'égalité des constantesEffet spécifique Reg33,1250,004175Rejeter l'hypothèse nulle d'égalité des constantesEffet spécifique 
P value : Probabilité d'acceptation de l'hypothèse nulle d'égalité des constantes.
-Reg1 : Régression1 :
Rit = (01 + (11 CFPAit + (31 ACCT PAit + µit
-Reg2 : Régression 2 :
Rit = (02 + (12 BNDISPAit + (32 ACCDISAGPAit + Ãit
-Reg3 : Régression 3 :
Rit=(03+(13BNDISPAit+(33(BFRDISPAit+(43PROVDISPAit+(53DADISPAit+(63REGULDISPAit + qit


En procédant au test d'homogénéité des constantes, les P values des deux modèles (modèle de rendement et modèle d'accrual) sont inférieurs au seuil de 5%, donc pour ce seuil on rejette l'hypothèse nulle d'égalité des constantes. Cela indique qu’il existe un effet spécifique individuel mesuré à travers les (i.
4-2 - 2- Etude des effets individuels
Avant d'interpréter les résultats des différents modèles, il est nécessaire de tester les effets spécifiques par le biais du test d'Hausman.
Ce test nous permet de tester l'existence ou non de corrélations entre les variables explicatives et les effets individuels.
L’objectif de cette étape, consiste à discriminer entre le modèle à effets aléatoires et le modèle à effets fixes.
Si nous sommes devant un effet spécifique individuel, on doit effectuer des tests afin de préciser la source de cette hétérogénéité. Ce modèle suppose l'existence de coefficients ((i) identiques pour tous les individus et des constantes spécifiques.
Dans ce cas, le modèle s'écrit sous la forme suivante :
Yi,t = (i + (Xi,t +(it
Où
(i : Effet spécifique relatif à l'entreprise i (un vecteur de réels qui diffère d'une entreprise à une autre).
( : Vecteur de constantes.
(it : Les termes d'erreur sont supposés identiques de moyenne nulle, et sont supposés être non corrélés que ce soit dans la dimension individuelle ou dans la dimension temporelle.

En présence d'un modèle à effets individuels la question qui se pose à ce niveau est de savoir comment ces effets individuels doivent être spécifiés. Ceci revient à répondre à la question suivante : doit on adopter l'hypothèse d'effet aléatoire ou au contraire l'hypothèse d'effet fixe.
Pour répondre à cette question, on doit chercher des outils statistiques qui permettent de spécifier les effets individuels. Le test statistique le plus répondu dans le cas des données de panel, est celui d'Hausman (1978). Il nous permet ainsi de discriminer entre les effets fixes (estimation Within ) et aléatoires ( estimation MCG).
L'idée de ce test est de comparer deus estimateurs ((1 et (2) pour les paramètres du modèle étudié.
Avec : - (1 : Estimateur MCG (Moindre Carré Général) des paramètres du modèle.
- (2 : Estimateur Within des paramètres du modèle.

Dès lors, il suffit de comparer une distance pondérée par une matrice de variance covariance entre les deux estimateurs, pour pouvoir sélectionner la spécification la plus appropriée. Si la distance est statistiquement nulle, la spécification n’est correcte, on retient donc le premier estimateur.
Avec ce principe, Hausman préconise de fonder le test de spécification sur la statistique suivante :
H = ((1 – (2)' [Var ((1 – (2)]-1 ((1 – (2).
-Var ((1 – (2) : représente la matrice des variances des écarts entre les deux estimateurs.
Selon le test d'Hausman, l’hypothèse nulle prévoit que l’estimateur MCG est meilleure que l’estimateur Within .
Si la probabilité d’acceptation de l’hypothèse nulle , qui prévoit que l’estimateur MCG est meilleure que l’ estimateur Within, est supérieur à 5% ,dans ce cas , L’estimation se fait par l’estimateur MCG.
Si la probabilité d’acceptation de l’hypothèse nulle, qui prévoit que l’estimateur MCG est meilleure que l’ estimateur Within, est inférieur à 5% ,dans ce cas , L’estimation se fait par l’estimateur Within.



Tableau N°6 : Test des effets individuels (modèle d'accrual : la variable endogène est l’accrual total divisé par l’actif total de l’année dernière)

Secteur électroniqueSecteur des produits métalliques manufacturésSecteur de constructionSecteur d’équipementTest d'Hausman0,1437230,0831890,0000,112391P-value0,5204750,34404810,08450080,2966051Modèle de spécificationModèle à effets aléatoires Modèle à effets aléatoires Modèle à effets aléatoires Modèle à effets aléatoires Estimation MCGMCGMCGMCG
Les résultats du test d'Hausman, figurant dans le tableau ci-dessus, montrent des P values qui sont supérieures à 5% on opte donc pour le modèle à effets aléatoires.



Tableau N° 7 : Test des effets individuels (modèle de rendement : la variable endogène est le rendement boursier)

ModèlesRégression 1Régression 2Régression 3Test d'Hausman0,28044660,09104530,38074756p-value0,04235810,34615210,03946217Modèle de spécificationModèle à effets fixesModèle à effets aléatoiresModèle à effets fixesEstimateurWithinMCGWithin
D'après les résultats figurant dans le tableau 7, on remarque l'absence de corrélation entre les effets individuels et les variables explicatives pour la régression n°2 (Reg2) par opposition aux régressions n°1 et n° 3 (Reg1, Reg3), où la corrélation est prouvée.
Pour la régression n°2, le P value dépasse 5%. On opte donc, pour le modèle à effets aléatoires. En effet le BNDISPA et ACCDISAGPA ne sont pas corrélées aux spécificités structurelles et temporelles du rendement des différentes entreprises.
Pour la régression n°1 et n°3, le P value est inférieur à 5%. On opte donc, pour le modèle à effets fixes pour ces deux régressions.
4- 3  - Etude du contenu informationnel des accruals discrétionnaires 
Après la résolution du problème des effets individuels, on passe maintenant à la mesure du contenu informationnel des accruals discrétionnaires.
4- 3-1 - Etude du pouvoir explicatif et des coefficients de réponse
*Modèle d'accrual (la variable endogène est l’accrual total divisé par l’actif total de l’année dernière (ACCTit/TAit-1) :

D’après les résultats déjà trouvés dans ce qui précède, on va estimer le modèle d’accrual 1 par l’estimateur (MCG) et ceci secteur par secteur.
Tableau n° 8: Estimation des coefficients du modèle de Jones modifié (Modèle d'accrual)

ACCTit/TAit-1 = a0 [1/TAit-1] + a1 [VAVENit/TAit-1] + a2 [IMMOit/TAit-1] + ßit1/TAit-1VAVENit/TAit-1IMMOit/TAit-1R2%R2% (ajusté) Secteur électronique0,099881
(3,464)*0,052328
(3,450)*- 0,075643
(- 6,524)*0,37190,36348 Secteur des produits métalliques manufacturés0,096719
(0,19064)0,024693
(3,0690)*- 0,056467
(- 4,4514)*0,2557970,245315Secteur de construction0,079947
(0,3728)0,022465
(2,1384)**- 0,01793
(- 2,6843)**0,37420,3669Secteur d’équipement0,099547
(3,3745)**0,002710
(2,478419)**- 0,017213
(- 3,4481)**0,6431450,639066* Coefficient significatif à 1%. ** Coefficient significatif à 5%. Figurent entre parenthèses les valeurs du test "t" de student. ACCTit/TAit-1 : Les accruals totaux divisés par l'actif total de l'année dernière. IMMOit : Les valeurs des immobilisations totales brutes hors immobilisations financières. VAVENit : Représente les ventes au comptant .TAit-1 : L'actif total de l'année dernière.


Le tableau n° 8 montre que les immobilisations brutes (IMMOit) ont un coefficient qui est en moyenne négatif. Cela est tout à fait logique car les immobilisations brutes (IMMOit) ont un impact négatif via les dotations aux amortissements. Le signe du coefficient relatif aux revenus VAVENit est cependant plus difficile à prévoir, car il est fonction du poids respectif de la variation des créances clients et des dettes fournisseurs dans la variation du besoin en fonds de roulement.

* Modèle de rendement (la variable endogène est le rendement boursier) :

Après avoir estimé les accruals discrétionnaires à l'aide du modèle de Jones modifié (1995) et le modèle de Dumontier , nous allons tester les deux hypothèses pour voir dans quelle mesure les résultats sont sensibles aux choix des modèles de mesure des accruals discrétionnaires.

Les tableaux n° 9, n° 10 et n° 11 présentent les coefficients des variables relatives aux modèles ayant pour objectif de tester les deux hypothèses par application du modèle de Jones modifié (1995) et celui du Dumontier et al. (1996).
D’après les résultats déjà trouvés dans ce qui précède, on va estimer la régression n° 1et n°3 par l’estimateur Within. La régression n°2 sera estimée par l’estimateur (MCG).

Le tableau n°9 : Estimation des coefficients du modèle mettant en évidence la relation entre les rendements boursiers et le bénéfice comptable, décomposé en cash flow d’exploitation par action et en accruals totaux par action.

Rit = (01 + (11 CFPAit + (31 ACCTPAit + µit ACCTPACFPAR2%R2% (ajusté) Régression n° 1
0,100424
(2,7512)*

0,12365
(3,445)*0,29230,2505
*Coefficient significatif à 1%. Rit : Le rendement boursier. Figurent entre parenthèses les valeurs du test "t" de student. CFPA, ACCTPA : ont été définies précédemment

En prenant comme variable explicative le rendement (Rit), les résultats montrent une corrélation significative entre la variable (Rit) et les variables (CFPA) et (ACCTPA). En effet le coefficient de corrélation ajusté est de 25,05%, et les deux variables explicatives ont des coefficients de réponse qui sont significatifs.
Tableau n° 10 : Estimation des coefficients du modèle mettant en évidence la relation entre les rendements boursiers et le bénéfice comptable, décomposé en accruals discrétionnaires agrégés par action et en bénéfice non discrétionnaire par action

Rit = (02 + (12 BNDISPAit + (32 ACCDISAGPAit + ÃitBNDISPAACCDISAGPAR2%R2% (ajusté)Régression n° 2-0.15980
(-2.915)*0,056069
(2,695)*36,03 %31,84 %* Coefficient significatif à 1%. Figurent entre parenthèses les valeurs du test "t" de student. Rit, BNDISPA, ACCDISAGPA : ont été définies précédemment


En prenant comme variable explicative le rendement (Rit), les résultats montrent une corrélation significative entre la variable (Rit) et les variables (BNDISPA) et (ACCDISAG PA). (Elle est de l'ordre de 31,84%).
La variable (ACCDISAGPA) présente un coefficient positif et significatif au seuil de 1%.
En comparant la régression n° 1 et la régression n° 2, on remarque que la deuxième présente un pouvoir explicatif ajusté supérieur à celui de la première.

Tableau n° 11 : Estimation des coefficients du modèle mettant en évidence la relation entre les rendements boursiers et le bénéfice comptable décomposé en accruals discrétionnaires désagrégés par action et en bénéfice non discrétionnaire par action


Rit=(03+(13BNDISPAit+(33(BFRDISPAit+(43PROVDISPAit+(53DADISPAit + (63REGULDISPAit+ qit


rég. n° 3


BNDISPAit(BFRDISPAitPPROVDISPAitDADISPAitREGULDISPAitR2%R2 % ajusté

-0,0324
(- 3,058)*

0,01275
(5,098)*

-0,034145
(- 2,746)*

0,619025
(2,303)**

-0,00504
(-2,134)**

44,27%

39,2%-* Coefficient significatif à 1%.-** Coefficient significatif à 5%. -Rit, BNDISPAit, (BFRDISPAit, DADISPAit, PROVDISPAit, REGULDISPAit, ont été définis précédemment. En prenant comme variable explicative le rendement (Rit), les résultats montrent une corrélation significative entre la variable (Rit) et les variables (BNDISPA), ((BFRDISPA), (PROVDISPA), (DADISPA), et (REGULDISPA) (elle est de l'ordre de 39,27%).
Les variables ((BFRDISPA), et (DADISPA) présentent des coefficients positifs et significatifs. Les variables (PROVDISPA), (REGULDISPA) présentent des coefficients négatifs et significatifs. La régression n° 3 présente le pouvoir explicatif le plus élevé parmi les deux autres régressions (reg1 et reg2).

4- 3-  2- interprétation

La régression n°2 qui décompose le bénéfice net par action (BPA) en bénéfice non discrétionnaire par action (BNDISPA) et en accruals discrétionnaires agrégés par action (ACCDISAGPA), possède un pouvoir explicatif supérieur à celui de la régression n°1 qui décompose le bénéfice net par action (BPA), en accruals totaux par action (ACCTPA) et en Cash-flows d'exploitation par action (CFPA). Le coefficient associé aux accruals discrétionnaires agrégés par action (ACCDISAGPA), est positif significatif au seuil de 1%.
Ce résultat nous amène à affirmer que les accruals discrétionnaires agrégés par action ont un contenu informationnel qui contribue à l'amélioration de la qualité du bénéfice comptable. En effet les manipulations comptables véhiculent des informations pertinentes qui rendent les bénéfices comptables plus associés aux rendements boursiers. Ceci explique l'amélioration du pouvoir explicatif, en passant de la régression n°1 à la régression n°2.
La régression n°3 qui décompose le bénéfice net par action (BPA) en bénéfice non discrétionnaire par action (BNDISPA) et en accruals discrétionnaires désagrégés par action  (ACCDISDEPA) possède un pouvoir explicatif supérieur à ceux de la régression n°1 et n°2. Ce résultat insiste sur le rôle des accruals discrétionnaires désagrégés dans l'amélioration de l'association entre les rendements boursiers et le bénéfice comptable.
Les coefficients associés aux accruals discrétionnaires désagrégés ((BFRDISPA, PROVDISPA, DADISPA, et REGUL DISPA), sont significatifs.
En conclusion les accruals discrétionnaires agrégés et désagrégés sont informatifs. En effet une gestion discrétionnaire des résultats est toujours valorisée par le marché (première hypothèse est validée).
Le pouvoir explicatif de la régression n°3 est supérieur à celui de la régression n°2. Cela indique que les accruals discrétionnaires désagrégés ont un contenu informationnel supplémentaire par rapport aux accruals discrétionnaires agrégés. En effet la désagrégation des accruals discrétionnaires par action en quatre composantes ((BFRDISPA, PROVDISPA, DADISPA, et REGUL DISPA) véhiculent plus d'informations pertinentes au marché financier, que les accruals discrétionnaires agrégés. Cette désagrégation rend l’association entre les rendements boursiers et les bénéfices comptables plus forte.
Au niveau de la régression n°3, le coefficient associé à la variable (PROVDISPA) est négatif significatif au seuil de 1%. Ce signe négatif peut être interprété par le fait q'une manipulation à la hausse des provisions d’exploitation signale que les dirigeants ont plutôt des anticipations pessimistes sur le devenir de leur entreprise ce qui implique un impact négatif sur les rendements boursiers).

Le coefficient associé à la variable (REGULDISPA) est négatif et significatif au seuil 5% . Ce signe négatif peut être interprété par le fait qu'une manipulation à la hausse de la variable (REGULDISPA) signale que les dirigeants ont des anticipations pessimistes sur le devenir de leur entreprise.
Le coefficient associé à la variable (DADISPA) est positif et significatif au seuil de 5%. Ce signe positif peut être interprété par le fait qu'une manipulation à la hausse des dotations aux amortissements discrétionnaires peut signaler sur des opportunités de croissance future. En effet, une entreprise qui augmente ses dotations (en choisissant des méthodes d’amortissement dégressifs ou accélérés), cherche à préserver ses ressources d’origine interne .Une telle attitude se justifie par un besoin d’investissement croissant ,ce qui pourrait véhiculer au marché que l’entreprise dispose d’importantes potentialités de croissance . Ces potentialités de croissance sont généralement valorisées immédiatement par le marché, ce qui augmente les prix et le rendement .
Le coefficient associé à la variable ((BFRDISPA) est positif et significatif au seuil de 1%. Ce signe positif peut être interprété par le fait qu'une manipulation à la hausse de la variation du besoin en fonds de roulement discrétionnaire signale un bon signal pour le marché financier français. En effet on a remarqué une forte corrélation entre la variation du besoin en fonds de roulement discrétionnaire et le niveau des ventes (test de Pearson = 0,648).
L’augmentation dans le niveau des ventes sécurise les investisseurs en leur signalant que l’entreprise est entraîne d’écouler ses produits finis sur le marché et par la suite, elle va réaliser des bénéfices.
En conclusion : Les deux composantes (REGULDISPA)et (PROVDISPA) informent les investisseurs sur les difficultés économiques, que connaissent les entreprises françaises sur le court terme. Cette interprétation est conforme à la réalité puisque le ralentissement au niveau du rythme de croissance économique des Etats Unies, se répercute négativement sur l’économie mondiale et notamment l’économie française.

Les deux composantes ((BFRDISPA) et (DADISPA) signalent des perspectives économiques futures qui sont prometteuses pour les entreprises françaises et ce ci pour le moyen terme. En effet, Ces entreprises estiment augmenter leurs investissements dans des secteurs qui possèdent des opportunités de croissance future. Par exemple le secteur des nouvelles technologies de l’information et de communication (NTIC) et le secteur immobilier.

Les résultats de notre étude est proche de ceux trouvés par Dumontier et Labelle (1998) qui s’attachent à mesurer la relation entre le résultat et le rendement des actions en élargissant la fenêtre d’étude à 2 puis 5 années afin d’atténuer le problème de décalage entre la prise en compte d’événements par l’évaluation boursière de l’entreprise d’une part et les données comptables d’autre part. Les résultats obtenus permettent de valider la relation entre les rendements boursiers et le résultat sur une longue période puisque le pouvoir explicatif de cette variable comptable passe successivement de 7.7% à 21.7% puis 42.5% lorsque la période d’étude passe de 1 à 2 puis 5 ans.
Comme les travaux de Holthausen et Leftwich (1983) et Subramanyam (1996), nous avons démontré dans notre travail de recherche qu’en présence d’asymétrie d’information entre les dirigeants et les « outsiders », les premiers ont intérêt à produire plus d’informations au marché financier sur les flux futurs de l’entreprise. En effet, les dirigeants utilisent leur discrétion pour se signaler aux « outsiders » par le moyen des accruals discrétionnaires. Ceux-ci prévoient les niveaux de rentabilité future de la firme. Par conséquent la perspective informationnelle suppose que les méthodes comptables sont choisies pour signaler les perspectives futures de la firme.
Toutefois, aucune recherche ne s’est posée la question de voir si la désagrégation des accruals discrétionnaires augmenterait le pouvoir explicatif et prédictif du bénéfice .Notre étude à tenté de répandre à cette nouvelle problématique et elle a aboutit à des résultats qui sont concluants.

5-Conclusion
La gestion des résultats consiste à sélectionner les options comptables permettant d’orienter et de façonner le résultat net en fonction des attentes des dirigeants.
La littérature comptable et financière a prévu deux perspectives pour expliquer les motivations des dirigeants à gérer les accruals, la perspective opportuniste et la perspective de communication. Dans cette étude, nous avons pris en considération la perspective de communication pour expliquer la stratégie de la gestion des résultats.
Dans ce travail de recherche, notre objectif consiste à analyser le comportement des investisseurs face aux modifications comptables discrétionnaires des dirigeants pour le cas des entreprises cotées Françaises. Pour répondre à notre objectif nous avons testé le contenu informationnel éventuel des accruals discrétionnaires à partir de modèles multi variés qui mettent en association les rendements boursiers avec les différentes composantes du bénéfice comptable. Les résultats de cette démarche reposent pour l’essentiel sur la comparaison du coefficient des accruals discrétionnaires ainsi que du pouvoir explicatif des différents modèles. Les testes des deux hypothèses ont montré que les accruals discrétionnaires sont valorisés par les investisseurs Français. En effet, les accruals discrétionnaires désagrégés ont un contenu informationnel supplémentaire par rapport aux accruals discrétionnaires agrégés.
Notre étude présente l’avantage d’étudier le comportement des investisseurs face aux modifications comptables discrétionnaires des dirigeants dans un contexte nouveau celui du France. Ceci permet de faire des comparaisons avec les travaux de Subramanyam (1996),) et Nweaze (2002). En effet Subramanyam (1996) a confirmé la perspective de communication dans la mesure où il a mis en évidence une association positive entre les rendements boursiers et les accruals discrétionnaires. Nweaze (2002) a mis en évidence que les dirigeants des firmes, plus performantes, gèrent les résultats à la hausse dans le but de communiquer leurs informations privées concernant les perspectives de croissance futures de leurs firmes et de les distinguer par rapport aux firmes moins performantes.
Comme tout travail de recherche, notre étude soulève un certain nombre de limites.
L’utilisation du modèle de Jones modifié et d’autres modèles de mesure des accruals discrétionnaires est entachée d’une erreur d’estimation des accruals normaux non susceptibles de manipulation.
Une autre limite réside dans l’utilisation des rendements boursiers observés comme benchmark pour l’étude du comportement du marché financier. Une amélioration possible serait de calculer le rendement anormal cumulé des actions et de faire l’association avec les bénéfices anormaux.
Quant aux études d’association, elles sont sujettes à plusieurs limites. La limite la plus importante se manifeste dans l’hypothèse d’efficience des marchés financiers et par conséquent la prise en compte des données boursières comme un « proxy » des évènements qui affectent la firme n’est pas sans problèmes. En effet, si les prix boursiers représentent des valeurs fondamentales, par conséquent la faiblesse de la relation entre les données comptable et celles boursières est une preuve de la pertinence faible des données comptables. En revanche, certaines études récentes dans le domaine de la finance comportementale montrent que les données boursières reflètent le comportement myope des investisseurs, par conséquent, ces données ne représentent pas un « benchmark » faible pour analyser la pertinence des informations comptables.
La deuxième limite des études d’associations réside dans le fait que ces dernières s’intéressent essentiellement au bénéfice comptable sans analyser la pertinence des autres données comptables notamment les variables qui affectent l’environnement de la firme.
Une autre critique adressée à notre étude réside dans le fait qu’on a ignoré la liaison entre les accurals discrétionnaires et la performance de la firme. La nécessité d’avoir ce type de liaison à été préconisé par Beneish (2001) et Barth et al (2001). Si nous prenons en considération la conclusion de Atiase et Tse (1986) et Mc Namara (1999) selon laquelle les modèles de prix et les modèles de rendement sont complémentaires, les résultats de cette étude peuvent être renforcés à travers le recours à un modèle de prix. En effet, d’un point de vue théorique, si certaines données ont un contenu informationnel, celui-ci doit se manifester tant dans les niveaux des cours boursières (l’approche de valorisation) que dans les fluctuations de ce dernier (L’approche des rendements). Ainsi, une voie de recherche future consiste à répliquer notre étude en utilisant, les deux approches dans le but d’obtenir des résultats plus conclusifs






















BIBLIOGRAPHIE

Atiase R.K. and S Tse. (1986), « Stock valuation models and accounting information: a review and synthesis », \]^n×Ø
' ( ) * ; ™ © ª Û êØƹ¦Ž¦sŽ¦Žg`¹MB:BjhY"‡UhY"‡hY"‡mH sH %hY"‡hY"‡B*CJOJQJaJphÿ hhmh!/Áhc
 :