机会主义倾向/经营风险与审计质量

　　图2得益矩阵
　　我们再比较dL和aH的大小。根据图1所示的投资者效用函数，同样增量的损失带来的效用降低会远远大于收益的减少，因此遭受损失的投资者更可能提起诉讼。那么，根据“前景理论”，前者的效用减少远远大于后者。如图1所示，当Δx相同时，显然ΔV2大于ΔV1，并且投资者的损失必然需要进行补偿，因此审计师需要承担诉讼成本Δvi，但是ΔVi与Δvi一般不相等，ΔVi大于Δvi。投资者的损失并不全由审计师独自承担，二者应该是正比例关系，因而Δv2>Δv1。显然，审计师不愿意承担这样的诉讼成本，审计行为中必然体现为：对高经营风险的公司出具非清洁意见，对低经营风险的公司出具清洁意见。根据以上分析，我们提出本文的基本假设：在其他条件相同的情况下，经营风险越小的公司越有可能被出具清洁的审计意见。
　　三、 样本筛选与实证研究设计
　　本文的观测样本为深交所A股上市公司，时间的选取为1999年至2006年。观测样本来自北京大学中国经济研究中心数据库（CCER），我们对样本进行了再筛选：剔除了数据不全的观测值，例如公司行业类型未分类、最终控制人类型未分类、会计师事务所未分类等；剔除了当年交易状态异常的公司，例如ST、PT的公司；剔除了相关财务指标异常的观测值，例如速动比例、总资产周转率小于0等；剔除了金融保险业的观测值。最终，我们筛选出3386个观测值。
　　（一） 样本行业特征
　　我们将所有样本按照1998年《中国上市公司分类指引》中的产业进行分类。从表1可以看出，被出具清洁审计意见比例最大的产业是采掘业，被出具清洁审计意见比例最小的产业是综合类产业，极值相差12个百分点。采掘业主要经营的是石油、矿石和煤炭等矿产资源，近年来由于此类资源的供求不均衡，这些企业的销售业绩呈现飙升的趋势，这说明清洁审计意见可能偏爱此类业绩好的企业。我们进一步发现样本中的采掘业全部是国有企业，清洁审计意见比例位列第二的水电煤产业也全是国有企业，由此可见国有上市公司被出具清洁审计意见的可能性较大。
　　（二） 经营风险的衡量与自变量设计
　　阿伦斯和洛贝克对于经营风险的定义：“企业由于经济或营业条件，如经济萧条、决策失误或同行业之间意想不到的竞争等，而无力归还借款或无法达到投资人期望的风险。”［12］秦荣生也指出，企业的经营风险与企业的持续经营基本假设存在密切的关系［13］。可见，经营风险可以理解为企业将面临存量或流量破产的风险，无法满足会计的持续经营假设，而制度变迁、行业风险等经营风险都可以最终归结为企业持续经营能力的减弱。公司经营风险可以划分为市场的系统风险和公司自身的经营风险，前者是系统风险，后者是公司偶然风险。本文主要考察审计对公司自身经营风险与审计失败之间的权衡，我们主要以公司自身的经营风险作为研究的自变量。公司自身的经营风险一般可以将“会计持续经营”假设作为前提条件，即在持续经营假设下，倘若公司出现资不抵债或者现金流无法维系的问题，公司无法持续经营下去，这说明公司存在严重的经营风险。进一步而言，公司持续经营能力主要体现为公司的盈利能力、偿债能力和营运能力：盈利能力体现投资者的资产保值增值情况，利润很低甚至为负的公司在竞争激烈的市场中必然面临被淘汰的危险；偿债能力主要体现债权人的权益，如果公司资不抵债，公司实际上便存在结构性破产的风险；营运能力是公司经营效率的体现，良好的经营效率往往可以抵消盈利能力弱、偿债能力不足的风险。上述能力可以通过公司的财务指标进行反映，也就是说倘若上市公司的财务指标显示该公司具有良好的盈利能力、偿债能力和营运能力，就说明该上市公司具有较好的持续经营能力，从而公司的经营风险较小。同时，为了控制系统风险的影响，我们引入时间和行业作为固定效应控制变量。
　　借鉴国内外相关研究，本文以财务指标作为经营风险的替代变量，从基本的盈利能力、偿债能力和营运能力三大类财务指标入手设计变量（见表2）。
　　四、 机会主义倾向的实证检验与结果分析
　　目前，美国和中国学者在进行此类回归分析时，大多采用Logit和Probit两类回归模型。中国的社会环境、审计制度与美国不尽相同，而且相关的监管措施也有较大差异，因此财务指标对于审计意见的反应关系必然存在差异。鉴于以上因素以及研究样本的限制，我们需要谨慎选择计量模型。我国上市公司被出具清洁审计意见的比例多在95%以上，这与美国资本市场有较大差异。一般认为Logit模型在多数情况下对于极值有更好的拟合效果［14］，因此本文采用Logit回归模型进行数据拟合，同时以Probit模型作为稳健性检验的手段。本文的检验模型为：
　　In(p1-p)=f(盈利能力；偿债能力；营运能力；control)
　　Logit模型的基本形式主要表现在没有残差项以及自变量不要求为多元正态分布，但模型仍对多元共线性问题敏感，严重的共线性会导致变量的标准误膨胀，使得估计存在偏差。我们利用方差膨胀因子（VIF）判别共线性问题，检验结果显示自变量不存在多重共线性问题。本文又进行了拟合优度的H&L检验，计算得到χ2值为12.258（p=0.14），拒绝原假设，可以认为模型较好地拟合了样本数据。本文采用Deviance检验法分析样本数据结构，剔除了93个异常观测值，以剩余的3293个观测值为拟合样本。我们采用Indicator（first）方法将第一个分类变量作为参照系进行拟合。根据表3的拟合结果，模型的拟合效力指标Nagelkerke和Cox&Snell值均大于0.15，说明模型的解释能力较好。
　　表3Indicator（first）模型拟合结果
　　变量预计符号系数P值系数P值系数P值系数P值常数项？1.562*0.0921.963**0.0263.416***0.0003.152***0.000ROAROA(1)+1.575***0.0001.793***0.000ROA(2)+1.858*0.0652.167**0.031ROEROE(1)+2.384***0.0002.158***0.000ROE(2)+2.434**0.0152.487**0.013QR+-0.2040.3520.0260.892OCFR+0.681***0.0050.761***0.000DR+1.179***0.0001.067***0.000TATTAT(1)+0.4650.1180.929***0.000TAT(2)+1.194**0.0101.853***0.000ITIT(1)+-0.843***0.001-0.382*0.09IT(2)+-1.305***0.000-0.834***0.002ARTART(1)+0.981***0.0001.216***0ART(2)+1.148***0.0001.454***0FATFAT(1)+0.2850.2930.2560.285FAT(2)+-0.4040.227-0.2870.327SOE？1.030***0.0001.175***0.0001.001***0.0000.802***0.000BIG4？0.0860.8840.5730.3380.6310.239-0.0260.962YEAR？ControlIND ？ControlN3293-2Loglikelihood1255.996763.859997.182922.515Cox&SnellR20.1580.1390.0760.096NagelkerkeR20.5000.4380.2380.304注：***、**和*分别表示Wald卡方检验在0.01、0.05和0.1水平上显著。