1、審計合謀的特征變量、預警模型及其效果研究關鍵詞：審計合謀預警 異常財務特征 股權結構 公司治理 審計收入依賴一、問題的提出與意義 P55證券市場揭露的審計失敗， 幾乎都是審計合謀的結果， 給利益相關者造成了 重大經濟損失， 也嚴重損害了審計市場的根本秩序與聲譽。 現實中， 公司的外部 利益相關者如中小股東和潛在股東、 債權人等 更期望監管機構能及早發現審 計合謀的苗頭， 防患于未然，于事后懲罰審計合謀相比， 審計合謀預警更有價值。在現有研究中，與審計合謀有一定關系的主要有兩類：一類是關 于財 務報 告舞弊預 警的 研究 ，如 Spathis, Doumpos 和 Zopounidis(2002

2、)、劉立國和杜瑩2003、秦江萍2006、陳國欣、呂占甲和 何峰 2007、吳革和葉陳剛 2022等從上市公司的財務狀況和或股權結 構進行預警研究， 只涉及上市公司方面的因素， 并未涉及審計師以及設計師與管 理當局合作這兩大變量的影響，因而不是真正意義上的關于審計合謀的預警研 究，但對本研究有一定的參考作用。第二類是關于審計合謀預警的標準研究， 如雷光勇 2005從審計意見的需 求方、供給方和外界環境三個方面來識別即本文的“預警 審計合謀，但沒 有提供經驗證據，也沒有構建相應的預警模型。本文的主要創新與奉獻在于： 1 理論研究彌補審計合謀預警研究缺乏預警效果較好的實證模型的缺陷。 2人們可以利

3、用該預警模型測試上市公司，較為準確且較早的發現具有 合謀傾向的上市公司和審計師，有利于監管機構高效“鎖定審計合謀者。二、樣本選取與數據來源 P56我們從 2002 2022 年證監會針對上市公司財務報告舞弊做出的公開處分 報告中，采取事件研究法，獲取 32 個可以作為審計合謀的樣本。在控制樣本選 取上，考慮到審計合謀樣本太少，按 1:1 配比樣本容量略顯缺乏，不適合做多元 回歸分析，且可能對舞弊公司過度抽樣而導致強化合謀公司 Platt 2002，而按 總體分布比例配比又可能導致弱化合謀公司的結果Ohls on ,1980因此我們 按照1:3配比并嚴格按照下述三項條件選取 96家正常公司沒有因

4、會計舞弊而 遭受處分作為控制樣本。1Platt和Pedersen 1994、Hua ng 1994在做財務困境預測研究時 都把樣本嚴格控制在相同行業內，行業也是影響舞弊發生的因素之一 Pedersen 1995。因此本文限定控制樣本在相同行業、相同會計年度內選取。2規模相同的上市公司在公司業績、管理行為等方面更具可比性，本文 在選取控制樣本時保證資產規模相近。3控制樣本公司沒有披露存在財務舞弊和被處分的歷史。本研究中使用的處分公告、公司財務數據、審計數據來自于中國證監會網站 和國泰安公司開發的CSMAR數據庫。三、審計合謀的預警視角與特征變量P56一審計合謀的預警視角與特征變量在構建審計合謀預

5、警模型時，分別而綜合地考慮如下三類因素：1審計合謀與財務報告舞弊的共生關系雷光勇，2004。2股權結構和治理結構的不當安排為審計合謀提供了環境條件。3審計師追逐不當審計收入對審計合謀提供的動力機制。異常財務特征變量含義變量含義X1流動資產比率X2總資產增長率X3凈利潤增長率X4財務杠桿系數X5凈資產收益率X6應收賬款/銷售收入X7總資產周轉率X8每股盈余公積/總資產X9每股未分配利潤/總資產股權結構與公司治理X10第一大股東持股比例X11機構持股比率X12管理層持股比例X13總經理兼任董事長X14董事會人數X15獨立重事比例X16高管人數審計師特征X17審計師變更X18審計意見改善X19審計任

6、期X20對某客戶審計費用依賴程度X21事務所規模二審計合謀預警的特征變量區分合謀樣本與正常樣本進行描述性統計，其中差異較大的變量有XI、X2、X3、X5 X6 X7、X13 X18和 X20.模型1的多元回歸分析結果，與 Collusion顯著相關的變量有XI、X3、X5、X7、X9 X13 X16 X18 X20.四、預警模型的構建及判定效果P59一單變量判定從回歸分析獲取的審計合謀預警的特征變量為 XI、X3 X5 X7、X9 X13X16 X18 X20。但虛擬變量是二元變量，用其進行判定預測意義不大。因此選 擇非虛擬變量，通過確定模型的最正確判定點來判定上市公司是否合謀。從判定 結果看

7、，不管使用哪個指標，誤判率均較高，即使判定效果最好的總資產周轉率, 誤判率也到達27.3%。二多變量判定1、LPM模型以審計合謀的特征變量為解釋變量，建立線性概率模型LPM進行回歸分析，得到LPM的回歸分析結果取0.5為判定分割點，假設預測值大于0.5，判定為合謀公司，否那么為正常 公司。96家正常公司有7家被錯判，誤判率為7.3%； 32家合謀公司有15家被 錯判，誤判率為46.9%;總誤判率為17.2%。2、Logistic 回歸模型以與因變量 Collusion 顯著相關的變量為解釋變量，建立 Logistic 回歸模 型進行分析，得到結果如下。Collusion=-7.601+6.92

8、7X1-0.123X3-0.665X5-5.674X7+15.021X9+2.014X1 3+0.329X16+以 0.5 為判定點， 96 家正常公司有 10 家被錯判，誤判率為 10.4%； 32 家合 謀公司有 9 家被錯判，誤判率為 28.1%；總誤判率為 14.8%。3、PROBIT模型PROBIT莫型與Logistic模型相似，主要的不同在于兩者采用的概率函數不 同。PROBIT模型包括了非線性估計，計算量較大。 PROBIT模型判定方程如下：以 0.5 為判定點， 96 家正常公司有 7 家被錯判，誤判率為 7.3%；32 家合謀 公司有 14 家被錯判，誤判率為 43.7%；總

9、誤判率為 16.4%。4、三種多元判定分析方法預測模型比擬 三種多元回歸判定分析方法的一類錯誤率、 二類錯誤率和總誤判率比照統計結果看，判定準確率從高到低依次是 Logistic 模型、PROBIT模型、LPM模型， Logistic 模型預警效果最好。五、研究結論及其解釋從回歸分析結果看，因變量 Collusion與解釋變量XI、X3 X5、X7、X9顯 著相關。其原因在于， 過高的流動資產比率可能是公司財務舞弊的結果， 凈利潤 增長越慢、 凈資產收益率越小、 總資產周轉率越小的公司越有可能處在財務困境 中，越有舞弊合謀的需求， 每股未分配利潤越多的公司舞弊空間越大， 舞弊合謀 的傾向也會增

10、加。因變量Collusion與解釋變量X13 X16在5%水平上顯著相關。其原因可能 在于：1在共同利益導航、時機主義攫利、 “法不責眾效應和監督山的“搭便 車等共同推動下，公司高管規模的規模越大，他們更可能“抱團2在特別人情化的我國，董事長兼任總經理進一步強化甚至神化個人在 公司決策及其執行中的力量， 也為作為總經理的董事長將經營中的操作設想輕而 易舉地帶入董事會決議并使之通過， 弱化了對董事會和高管的監督， 為審計合謀 又翻開了一扇方便之門。因變量Collusion與解釋變量X18 X20顯著相關。會計師事務所對某家客 戶的審計收入依賴度越高， 獨立性越難保持， 合謀傾向增加。 上市公司審計合謀 的目的是獲取合意的審計意見， 審計意見改善可能是審計師與上市公司達成的結 果。因此，增加審計收入是審計師合謀的利益動機、 改善審計意見是管理當局要 求審計合謀的初衷。總之，雖然審計合謀極具隱蔽性， 但上市公司的財務狀況、 股權結構和公司 治理、審計師特征等包含了審計合謀的重要信