통제변수의 측정주식수익률 변동성에 대한 통제변수로는 기업규모, 레버리지, 성장(장부가세), 현금흐름 변동성, 영업실적, 주식수익률 등이 있다. 이러한 변수는 주식 수익률 변동성의 증가 또는 감소로 이어질 수 있습니다[ 18 , 31 , 51 , 58 ]. 따라서 본 연구에서는 이러한 변수들을 회귀모형에 포함시켰다. 회사의 규모는 총자산의 자연로그로 측정되었습니다. 레버리지는 총자산에 대한 총부채의 비율로 계산되었습니다. 성장은 자기자본의 시장 가치를 자기자본의 장부가치로 나누어 계산했습니다. 현금 흐름 변동성은 총 자산에 따라 조정된 운영으로 인한 현금 흐름 차이로 연속 5년 기간에 걸쳐 계산되었습니다. 특별 항목을 총자산으로 조정하기 전에는 영업 성과를 측정하는 데 이익이 사용되었습니다. 마지막으로 연간 매수 후 보유 수익률은 주식 수익률 성과를 측정했습니다.샘플 및 데이터샘플에는 2009년부터 2018년까지 JSE에 상장된 모든 비금융 회사가 포함되었습니다. 관련 연구[ 18 ] 에서와 마찬가지로 금융회사는 잘 규제되는 산업의 일부이므로 이름이 지정되지 않았습니다. 더욱이 이들 기업의 회계규칙은 다른 부문과 다르며, 수익의 질에 대한 평가도 부문별로 다를 가능성이 높습니다. 최종 표본에는 다음 기준을 충족하는 기업이 포함되었습니다. (1) 표본 기간 동안의 재무제표와 변수 측정 관련 정보의 가용성, (2) 표본 기간 시작일로부터 연속 5년 동안의 데이터를 보유한 기업 왜냐하면 발생액 품질의 계산은 5년 순환 기간에 걸쳐 계산된 잔여의 표준 편차를 기반으로 하기 때문입니다[ 17 ]. 정보가 누락된 기업을 모두 제거한 후 최종 표본은 80개 기업에서 얻은 800개의 관측값으로 구성되었습니다. 최종 샘플은 초기 샘플의 36%를 차지했습니다.IRESS 연구 도메인 데이터베이스는 회사의 연간 재무제표를 추출했습니다. 연간 재무제표를 분석하여 관련 데이터를 검색하여 연구 변수를 계산했습니다. MLR 모델의 데이터를 분석하기 위해 SPSS 소프트웨어 버전 27이 사용되었습니다. MLR은 일반 최소제곱법과 같은 전통적인 추정 모델보다 패널 데이터를 분석하는 데 더 강력한 추정 기법입니다[ 22 ]. MLR은 기존 추정 방법의 단점을 해결하고 패널 데이터 분석의 유연성 향상과 같은 더 많은 이점을 제공합니다. 최대 가능성과 제한된 최대 가능성 추정을 사용하여 데이터를 잘 처리합니다[ 25 ].