王 茜 ，戴文濤

(1.東北財(cái)經(jīng)大學(xué) 會(huì)計(jì)學(xué)院/中國(guó)內(nèi)部控制研究中心，遼寧 大 連 1 16025;2.南開大學(xué) 公司治理研究中心，天津 3 00071)

一、引 言

國(guó)內(nèi)外財(cái)務(wù)丑聞?lì)l發(fā)造成資本市場(chǎng)動(dòng)蕩和投資者信心喪失，癥結(jié)之一在于企業(yè)內(nèi)部控制系統(tǒng)的失效。為加強(qiáng)對(duì)上市公司監(jiān)管，改善財(cái)務(wù)報(bào)告質(zhì)量，減少公司欺詐，恢復(fù)投資者信心，美國(guó)國(guó)會(huì)于2002年7月通過了薩班斯－奧克斯利法案。該法案從討論通過實(shí)施至今，美國(guó)各界對(duì)于執(zhí)行其中財(cái)務(wù)報(bào)告相關(guān)的內(nèi)部控制有效性測(cè)試、評(píng)估及報(bào)告要求的302和404條款的成本效益之爭(zhēng)甚囂塵上。美國(guó)財(cái)務(wù)經(jīng)理協(xié)會(huì)、普華永道公司、商業(yè)協(xié)商協(xié)會(huì)等機(jī)構(gòu)對(duì)薩班斯法案執(zhí)行成本所進(jìn)行的若干次調(diào)查顯示其高昂的執(zhí)行成本遠(yuǎn)遠(yuǎn)超出可能帶來的收益［1］。薩班斯法案404條款提高了通過證券市場(chǎng)募集資金的成本，發(fā)生股票回購(gòu)的公司和金額都明顯放大［2］。首批執(zhí)行該法案要求的財(cái)富1 000強(qiáng)樣本公司2004年的審計(jì)費(fèi)用比上一年平均增加了230萬美元，并且規(guī)模小的公司審計(jì)費(fèi)用高于大公司，這可能導(dǎo)致小公司減少內(nèi)部控制資源投入因而更可能發(fā)生內(nèi)部控制缺陷［3］。從長(zhǎng)期來看，將資源過度轉(zhuǎn)移到非增值型活動(dòng) (遵循措施)中將阻礙公司的成長(zhǎng)甚至整個(gè)經(jīng)濟(jì)發(fā)展［4］。薩班斯法案對(duì)提升資本市場(chǎng)投資者信心的作用是毋庸置疑的，但短期內(nèi)很難對(duì)該法案的實(shí)施成本和效益做出全面準(zhǔn)確的評(píng)價(jià)，關(guān)鍵是要找到平衡點(diǎn)降低執(zhí)行成本。2006年我國(guó)深交所和上交所分別發(fā)布了《上市公司內(nèi)部控制指引》(以下簡(jiǎn)稱為《指引》)，滬深兩市公司根據(jù)《指引》要求披露了內(nèi)部控制信息，為拓展我國(guó)內(nèi)部控制實(shí)證研究提供了數(shù)據(jù)。根據(jù)德勤2009、2010年中國(guó)企業(yè)內(nèi)部控制調(diào)查報(bào)告數(shù)據(jù)，2009年僅有29.41%的企業(yè)認(rèn)為指引有助于本企業(yè)監(jiān)控并降低成本和費(fèi)用，2010年這一比例為37%，略有提高。一些企業(yè)表示若按照《指引》實(shí)施日常內(nèi)部控制以及進(jìn)行內(nèi)部控制評(píng)價(jià)，在一定程度上將增加員工的工作量，預(yù)計(jì)并不能提升經(jīng)營(yíng)效果和效率，反而提高了成本和費(fèi)用。

財(cái)政部聯(lián)合證監(jiān)會(huì)、審計(jì)署、銀監(jiān)會(huì)、保監(jiān)會(huì)等五部委分別于2008年、2010年發(fā)布了《企業(yè)內(nèi)部控制基本規(guī)范》和《企業(yè)內(nèi)部控制配套指引》(以下將二者簡(jiǎn)稱為內(nèi)部控制規(guī)范體系)，明確要求從2011年開始在境內(nèi)外同時(shí)上市的公司出具內(nèi)部控制評(píng)價(jià)報(bào)告，披露其存在的內(nèi)部控制重大缺陷等關(guān)鍵信息，并由注冊(cè)會(huì)計(jì)師出具審計(jì)報(bào)告。但是，我國(guó)目前并未如美國(guó)薩巴斯法案一樣對(duì)出具不實(shí)內(nèi)部控制報(bào)告的行為制定嚴(yán)苛的懲罰條款，內(nèi)部控制規(guī)范體系的執(zhí)行效果尚有待檢驗(yàn)。因此，在我國(guó)內(nèi)部控制規(guī)范體系生效前及此后一段時(shí)間內(nèi)，通過公司特征判別內(nèi)部控制重大缺陷存在與否具有重要的現(xiàn)實(shí)意義。即使在美國(guó)嚴(yán)苛的薩班斯法案之下，各界對(duì)執(zhí)行法案的成本效益之爭(zhēng)亦未有定論，在這樣的背景下，缺陷預(yù)測(cè)方法則為降低遵循成本另辟蹊徑。

二、相關(guān)研究述評(píng)

內(nèi)部控制重大缺陷常常出現(xiàn)在存在管理層欺詐、財(cái)務(wù)指標(biāo)異常、業(yè)務(wù)復(fù)雜等情況的公司。圍繞上述方面，現(xiàn)有的內(nèi)部控制缺陷定量研究方法主要有人工神經(jīng)網(wǎng)絡(luò)技術(shù) (ANN)、模糊集方法(FSA)、多元線性規(guī)劃 (MCLP)、Logistic或Probit回歸等。

Fanning等使用廣義自適應(yīng)神經(jīng)網(wǎng)絡(luò)架構(gòu)(GANNA)和自適應(yīng)邏輯網(wǎng)絡(luò) (ALN)方法設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)，區(qū)分管理層舞弊與非舞弊公司［5］。Cooley和Hicks基于模糊集理論，將語言測(cè)試方法和二分制的問卷調(diào)查相結(jié)合匯總評(píng)估內(nèi)部控制缺陷，解決了審計(jì)師以往單獨(dú)使用問卷調(diào)查或流程圖等控制測(cè)試方法的不足［6］。Korvin等利用陶氏化學(xué)公司風(fēng)險(xiǎn)分析矩陣構(gòu)建了基于模糊集理論的內(nèi)部控制風(fēng)險(xiǎn)模型，幫助管理者評(píng)估會(huì)計(jì)信息系統(tǒng)內(nèi)部控制風(fēng)險(xiǎn)［7］。

多元判別分析法 (MDA)從1936年首先應(yīng)用于植物種群分類研究后，至今已經(jīng)應(yīng)用于多個(gè)學(xué)科的研究中，近年來成為客戶信用評(píng)估、破產(chǎn)預(yù)測(cè)的主流分析方法。其中最突出的研究成果是Altman在1968建立的多變量Z分模型以及改進(jìn)的 “ZETA”判別模型。我國(guó)學(xué)者［8－9－10］應(yīng)用此方法在企業(yè)財(cái)務(wù)預(yù)警方面進(jìn)行了一些研究。

Altman等在破產(chǎn)預(yù)測(cè)研究中通過比較神經(jīng)網(wǎng)絡(luò)法和判別分析法，認(rèn)為神經(jīng)網(wǎng)絡(luò)分析法在信用風(fēng)險(xiǎn)預(yù)測(cè)中的應(yīng)用結(jié)果并未顯著優(yōu)于線性判別模型［11］，并且在“內(nèi)部控制的思考和投資標(biāo)準(zhǔn)”一節(jié)中特別提出Z分模型的研究結(jié)論可以應(yīng)用于內(nèi)部控制狀況的預(yù)測(cè)［12］:“公司管理最為緊要也是非常困難的工作就是定期客觀地評(píng)估公司現(xiàn)狀……建議如果正確使用判別分析模型就能夠盡早預(yù)測(cè)公司存在的問題，使管理層及時(shí)意識(shí)到問題的嚴(yán)重性避免控制失敗”。

Franklin在Ge和McVay①公司業(yè)務(wù)復(fù)雜、規(guī)模較小和盈利能力較差的公司更有可能發(fā)生內(nèi)部控制重大缺陷。內(nèi)控缺陷影響因素實(shí)證研究結(jié)論的基礎(chǔ)上，首次使用Altman財(cái)務(wù)困境預(yù)警模型中的三個(gè)財(cái)務(wù)指標(biāo)預(yù)測(cè)內(nèi)部控制重大缺陷②Franklin使用的三個(gè)財(cái)務(wù)指標(biāo)為利息保障倍數(shù)、留存收益與總資產(chǎn)比率和流動(dòng)比率，進(jìn)行了Wilcoxon秩和檢驗(yàn)、符號(hào)檢驗(yàn)和Spearman相關(guān)分析。，以財(cái)務(wù)指標(biāo)為橋梁為內(nèi)控重大缺陷與公司財(cái)務(wù)困境之間的聯(lián)系提供了初步證據(jù)［13］。Kwak等以Altman(1977)和Ohlson(1980)破產(chǎn)預(yù)測(cè)模型中財(cái)務(wù)指標(biāo)為主建立了內(nèi)控重大缺陷預(yù)測(cè)的多元線性規(guī)劃模型［14］。

Doyle等對(duì)美國(guó)2002年8月至2005年間779家披露了內(nèi)控重大缺陷的公司和5 047家未披露重大缺陷的控制樣本公司數(shù)據(jù)進(jìn)行Logistics回歸，發(fā)現(xiàn)重大缺陷公司規(guī)模較小、上市年限較短、財(cái)務(wù)狀況較差、業(yè)務(wù)復(fù)雜或者正在經(jīng)歷重組［15］。Ashbaugh－Skaife等對(duì) 2003年 11月至2004年間披露內(nèi)控缺陷 (不區(qū)分嚴(yán)重程度)公司的分析得到了類似結(jié)論，即內(nèi)控缺陷公司的業(yè)務(wù)復(fù)雜、會(huì)計(jì)風(fēng)險(xiǎn)高、內(nèi)控建設(shè)資源投入較少［16］。另外，一些實(shí)證研究探討審計(jì)定價(jià)、審計(jì)師變更、審計(jì)師質(zhì)量與內(nèi)部控制缺陷之間的關(guān)系。內(nèi)部控制缺陷與審計(jì)定價(jià)正相關(guān)，審計(jì)師對(duì)存在較多內(nèi)部控制缺陷的公司收取更多的審計(jì)費(fèi)用［17－18－19］。內(nèi)部控制缺陷與審計(jì)師變更相關(guān)，相當(dāng)多的公司在解雇原審計(jì)師后被發(fā)現(xiàn)存在內(nèi)部控制重大缺陷，披露內(nèi)控重大缺陷的公司審計(jì)師變更頻繁［16－20］。聘請(qǐng)高質(zhì)量審計(jì)師的公司，存在內(nèi)控重大缺陷的可能性相對(duì)較小，如聘請(qǐng)“四大”作為年報(bào)審計(jì)的公司通常規(guī)模較大，經(jīng)濟(jì)實(shí)力較強(qiáng)，對(duì)內(nèi)控系統(tǒng)建設(shè)投入較多，發(fā)生內(nèi)控重大缺陷的風(fēng)險(xiǎn)相對(duì)較?。?0］。

上述研究中，模糊集方法對(duì)于計(jì)算機(jī)會(huì)計(jì)信息系統(tǒng)內(nèi)部控制缺陷的評(píng)估有一定效果，但是昂貴且費(fèi)時(shí)。神經(jīng)網(wǎng)絡(luò)技術(shù)需要人為隨機(jī)調(diào)試才能得到一個(gè)較好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，也需要耗費(fèi)大量人力和時(shí)間，且該方法結(jié)論沒有統(tǒng)計(jì)理論基礎(chǔ)。多元線性規(guī)劃模型的預(yù)測(cè)準(zhǔn)確率僅達(dá)到50%左右，解釋性不強(qiáng)，應(yīng)用受到較大限制。logistic或Probit回歸從某些方面揭示了存在內(nèi)控重大缺陷公司的特征，但在研究變量選取方面較為分散和隨機(jī)。另外，在財(cái)務(wù)狀況指標(biāo)選取時(shí)直接應(yīng)用破產(chǎn)預(yù)測(cè)模型 (如ZETA模型)結(jié)果而未細(xì)化、區(qū)分不同財(cái)務(wù)指標(biāo)所代表經(jīng)濟(jì)含義的做法并不科學(xué)，降低了回歸方程的擬合優(yōu)度。

基于上述原因，本文嘗試探索將多元判別分析法引入內(nèi)部控制實(shí)證研究中，構(gòu)建內(nèi)部控制重大缺陷預(yù)測(cè)模型。在判別指標(biāo)的選擇上，一方面綜合考慮公司財(cái)務(wù)狀況、復(fù)雜性、審計(jì)師特征等因素，另一方面將各類財(cái)務(wù)指標(biāo)進(jìn)行分類、細(xì)化，以使指標(biāo)選取更加合理、提高判別分析模型的預(yù)測(cè)準(zhǔn)確率。

三、樣本選擇與數(shù)據(jù)來源

1.樣本選擇

本文確定重大缺陷樣本的來源主要有以下幾種:第一，企業(yè)內(nèi)部控制自我評(píng)價(jià)報(bào)告中明確本企業(yè)存在“重大缺陷”;第二，企業(yè)在內(nèi)控自評(píng)報(bào)告中未確認(rèn)自身存在重大缺陷，但存在《企業(yè)內(nèi)部控制審計(jì)指引》中所列舉的表明內(nèi)部控制可能存在重大缺陷的幾種跡象的，則確定為重大缺陷樣本;第三，信息披露考評(píng)結(jié)果為“不合格”的上市公司以及因決策過程違規(guī)、違法使用資金等受到證監(jiān)會(huì)、證交所及其他主管部門的處罰或譴責(zé)的上市公司;此外，在上市公司關(guān)于公司治理及內(nèi)部控制問題整改報(bào)告中表明其存在交易和賬戶層面內(nèi)控缺陷超過三項(xiàng)者，也確認(rèn)為重大缺陷樣本?？刂茦颖緞t是在2007—2008年間均未發(fā)生重大缺陷的公司。

根據(jù)上述原則，本研究選取深圳證券交易所主板上市公司作為研究對(duì)象，剔除數(shù)據(jù)缺失公司，得到內(nèi)部控制重大缺陷樣本公司138家，其中2007年101家、2008年37家;①樣本中不包括金融保險(xiǎn)業(yè)公司;為控制樣本規(guī)模，2008年重大缺陷樣本公司，不包含2007年已經(jīng)確認(rèn)為重大缺陷公司且其缺陷在2008年依然存在的公司。同時(shí)，依據(jù)年度和行業(yè)選擇138家非重大缺陷公司作為配對(duì)樣本。內(nèi)部控制缺陷資料從上市公司內(nèi)部控制自我評(píng)價(jià)報(bào)告、各省證監(jiān)局對(duì)轄區(qū)上市公司進(jìn)行公司治理及內(nèi)部控制的整改報(bào)告、深交所主板誠(chéng)信檔案等資料中整理分析得到，文中財(cái)務(wù)數(shù)據(jù)均來自國(guó)泰安數(shù)據(jù)服務(wù)中心，審計(jì)師數(shù)據(jù)來自RESSET金融研究數(shù)據(jù)庫(kù)。

2.變量選擇

在財(cái)務(wù)指標(biāo)選取方面，為幫助預(yù)測(cè)內(nèi)控重大缺陷，本文借鑒了國(guó)內(nèi)外破產(chǎn) (財(cái)務(wù)困境)預(yù)測(cè)領(lǐng)域的前期研究成果，如Altman等與Ohlson破產(chǎn)預(yù)測(cè)中使用的變量［21－22］，以及呂長(zhǎng)江等與邵希娟和曾?；ㄔ趪?guó)內(nèi)破產(chǎn)預(yù)測(cè)模型中使用的變量［23－24］，以全面反映公司財(cái)務(wù)狀況為基礎(chǔ)最終確定了22個(gè)財(cái)務(wù)指標(biāo) (見表1所示)。

表1 財(cái)務(wù)指標(biāo)選擇表

除以上破產(chǎn)預(yù)測(cè)變量外，本文還包含了以往實(shí)證研究中與內(nèi)控缺陷相關(guān)的變量，包括上市年限、公司規(guī)模和經(jīng)營(yíng)復(fù)雜性等。Ge和McVay和Doyle認(rèn)為成立時(shí)間較短的公司內(nèi)部控制程序較少，員工經(jīng)驗(yàn)較少，存在重大缺陷的可能性更大。但是Krishnan(2005)研究表明，上市年限越久，發(fā)生財(cái)務(wù)舞弊和財(cái)務(wù)報(bào)告重述的可能性越大，也就意味著內(nèi)部控制越差。林斌和饒靜認(rèn)為上市年限越長(zhǎng)的公司，內(nèi)控質(zhì)量反而不如新上市公司，上市時(shí)間較短的公司更愿意披露內(nèi)部控制鑒證報(bào)告［25］。公司規(guī)模越大，往往擁有更多高素質(zhì)員工，將更多資產(chǎn)用于內(nèi)部審計(jì)或咨詢，形成更強(qiáng)有效的內(nèi)部控制。本文用總資產(chǎn)的自然對(duì)數(shù)表示公司規(guī)模。另外，公司子公司數(shù)目越多，業(yè)務(wù)越復(fù)雜，內(nèi)部控制出現(xiàn)問題的可能性越大;子公司數(shù)量越多，編制合并財(cái)務(wù)報(bào)表的難度也越大，內(nèi)部控制越可能存在缺陷，因此，用上市公司擁有子公司的數(shù)量作為經(jīng)營(yíng)復(fù)雜性的代理變量。另外，本文包含三個(gè)審計(jì)師變量:是否由“四大”事務(wù)所審計(jì)代表審計(jì)師質(zhì)量 (Big Au=1代表由四大審計(jì)，否則為0);采用與Kwak等相同的辦法，將發(fā)生重大缺陷當(dāng)年變更審計(jì)師(Auditor Ch)賦值為1，否則為0;五年內(nèi)變更審計(jì)師 (Auditor Ch5)賦值為1，否則為0。

3.描述性統(tǒng)計(jì)分析

表2報(bào)告了內(nèi)部控制重大缺陷樣本公司和非重大缺陷樣本公司財(cái)務(wù)指標(biāo)及非財(cái)務(wù)指標(biāo)進(jìn)行均值t檢驗(yàn)的描述性統(tǒng)計(jì)結(jié)果。

表2 描述統(tǒng)計(jì)結(jié)果

從表2可以看出，重大缺陷樣本與非重大缺陷樣本的公司特征變量中有一半顯著不同。重大缺陷樣本公司的上市年限均值顯著大于非重大缺陷樣本公司，與Krishnan的結(jié)論相同;五年內(nèi)變更事務(wù)所的均值也顯著大于非重大缺陷樣本公司，但當(dāng)年是否變更事務(wù)所以及是否由四大事務(wù)所審計(jì)的均值兩組樣本沒有顯著差異，與Kwak的結(jié)論有所不同;重大缺陷樣本公司的規(guī)模(LnAsset)均值顯著小于非重大缺陷樣本公司，與Ge和McVay結(jié)論相同;經(jīng)營(yíng)復(fù)雜性方面，重大缺陷樣本公司的子公司數(shù)目均值顯著大于非重大缺陷樣本公司。代表盈利能力的7個(gè)財(cái)務(wù)指標(biāo)，非重大缺陷樣本公司的表現(xiàn)都顯著優(yōu)于重大缺陷樣本公司，說明盈利能力較差的公司更有可能存在內(nèi)控重大缺陷，與Ge和McVay結(jié)論相同。在代表成長(zhǎng)性的財(cái)務(wù)指標(biāo)中，非重大缺陷樣本的總資產(chǎn)增長(zhǎng)率和營(yíng)業(yè)收入增長(zhǎng)率的均值都顯著大于重大缺陷樣本公司，股東權(quán)益增長(zhǎng)率和存貨占總資產(chǎn)比例的均值雖然大于重大缺陷樣本公司但差異并不顯著。在流動(dòng)性指標(biāo)中，只有經(jīng)營(yíng)現(xiàn)金流與總資產(chǎn)比率和現(xiàn)金流量比率指標(biāo)，重大缺陷樣本的均值顯著較低，這一結(jié)果與Ge、McVay和Kwak的結(jié)論相同。而流動(dòng)比率、速動(dòng)比率等指標(biāo)，兩組樣本沒有顯著區(qū)別，重大缺陷樣本公司的均值甚至高于非重大缺陷樣本公司，這一結(jié)果與Franklin的研究發(fā)現(xiàn)類似。這意味著在Altman等人破產(chǎn)預(yù)測(cè)中有效的流動(dòng)性變量在內(nèi)部控制重大缺陷預(yù)測(cè)中并未發(fā)揮有效作用。而三個(gè)營(yíng)運(yùn)能力指標(biāo)的t檢驗(yàn)結(jié)果也并不一致，其中只有總資產(chǎn)周轉(zhuǎn)率的均值在兩組樣本間存在顯著差異。以上代表公司各方面財(cái)務(wù)狀況的指標(biāo)在t檢驗(yàn)中所表現(xiàn)出的混合性結(jié)果說明，以往內(nèi)部控制實(shí)證研究中不區(qū)分盈利能力、流動(dòng)性指標(biāo)而直接將Z值作為財(cái)務(wù)狀況代理變量的做法是不科學(xué)的。

四、判別分析結(jié)果

將內(nèi)部控制重大缺陷公司定義為“組合1”，非重大缺陷公司定義為“組合0”，同時(shí)將上述均值t檢驗(yàn)結(jié)果中具有顯著性差異的公司特征變量，即上市年限 (Year)、子公司數(shù) (N)、五年內(nèi)變更事務(wù)所 (Auditor Ch5)、公司規(guī)模(LnAsset)、息稅前利潤(rùn)與資產(chǎn)總額比 (EBIT/TA)、總資產(chǎn)凈利潤(rùn)率 (ROA)、凈資產(chǎn)收益率(ROE)、經(jīng)營(yíng)凈收益比平均總資產(chǎn) (CRE/TA)、留存收益資產(chǎn)比 (RE/TA)、每股收益 (EPS)、每股經(jīng)營(yíng)現(xiàn)金流 (CFOPS)、總資產(chǎn)增長(zhǎng)率 (TA Growth)、營(yíng)業(yè)收入增長(zhǎng)率 (Revenue Growth)、經(jīng)營(yíng)現(xiàn)金流比平均總資產(chǎn) (CFO/TA)、現(xiàn)金流量比率 (CFO/CL)和總資產(chǎn)周轉(zhuǎn)率 (TA Turnover)作為建立判別分析模型的輸入變量，采用逐步判別分析法進(jìn)行選擇，結(jié)果見表3所示。

表3 逐步判別分析結(jié)果

表3顯示，在16個(gè)變量中共有5個(gè)變量進(jìn)入了模型，它們是:LnAsset(公司規(guī)模)、Auditor Ch5(五年內(nèi)變更事務(wù)所)、Revenue Growth(營(yíng)業(yè)收入增長(zhǎng)率，以下簡(jiǎn)記為ReGr)、Year(上市年限)和RE/TA(留存收益資產(chǎn)比)。

非重大缺陷公司貝葉斯判別函數(shù)為:

重大缺陷公司貝葉斯判別函數(shù)為:

采用交互驗(yàn)證方法來驗(yàn)證模型，①采用交互驗(yàn)證法，能夠避免樣本二分法要求樣本量大、判別函數(shù)不穩(wěn)定的問題。交互驗(yàn)證下不區(qū)分建模樣本和驗(yàn)證樣本。結(jié)果如表4所示。從表4可以看出，模型對(duì)內(nèi)部控制重大缺陷公司的預(yù)測(cè)準(zhǔn)確率是71.1%，對(duì)非重大缺陷公司的預(yù)測(cè)準(zhǔn)確率是76.1%，第一類錯(cuò)誤和第二類錯(cuò)誤的比例分別是28.9%和23.9%，第一類錯(cuò)誤比例略大于第二類錯(cuò)誤比例。①預(yù)測(cè)類研究通常有兩類錯(cuò)誤:第一類錯(cuò)誤和第二類錯(cuò)誤。第一類錯(cuò)誤稱為誤拒錯(cuò)誤，在破產(chǎn)預(yù)測(cè)中是指將破產(chǎn)企業(yè)錯(cuò)判為非破產(chǎn)企業(yè);第二類錯(cuò)誤稱為誤受錯(cuò)誤，在破產(chǎn)預(yù)測(cè)中是指將非破產(chǎn)企業(yè)誤判為破產(chǎn)企業(yè)。顯然，發(fā)生第一類錯(cuò)誤的損失大于第二類錯(cuò)誤，會(huì)增加投資者決策風(fēng)險(xiǎn)。在內(nèi)部控制重大缺陷預(yù)測(cè)中，第一類錯(cuò)誤是指將確實(shí)存在內(nèi)控重大缺陷的公司錯(cuò)誤地預(yù)測(cè)為非重大缺陷公司，錯(cuò)判損失較大;第二類錯(cuò)誤是指將非重大缺陷公司誤判為重大缺陷公司，錯(cuò)判損失相對(duì)較小。這一預(yù)測(cè)結(jié)果要好于Kwak(2009)使用多元線性規(guī)劃模型等方法所得到的50%左右的預(yù)測(cè)準(zhǔn)確率。

表4 交互驗(yàn)證結(jié)果表

五、研究結(jié)論

本文運(yùn)用多元判別分析方法構(gòu)建內(nèi)部控制重大缺陷預(yù)測(cè)模型，得出了以下結(jié)論:第一，內(nèi)部控制重大缺陷公司和非重大缺陷公司在成長(zhǎng)性和盈利能力特征財(cái)務(wù)變量方面存在顯著的差別，營(yíng)業(yè)收入增長(zhǎng)率是反映成長(zhǎng)能力的指標(biāo)，留存收益資產(chǎn)比是反映整個(gè)生命周期內(nèi)累積盈利能力的指標(biāo)。公司建立良好內(nèi)部控制的能力隨財(cái)務(wù)狀況的變化而變化，成長(zhǎng)性越低、累積盈利能力越差的公司由于沒有足夠的資源投入到內(nèi)部控制，發(fā)生重大缺陷的可能性越大。值得注意的是，反映流動(dòng)性與償債能力和營(yíng)運(yùn)能力指標(biāo)均沒有一個(gè)入選模型。這說明公司在這兩方面的表現(xiàn)差異不大，流動(dòng)性與營(yíng)運(yùn)能力指標(biāo)目前不是判別是否存在內(nèi)控重大缺陷的主要因素。第二，除了財(cái)務(wù)指標(biāo)外，公司規(guī)模、上市年限和審計(jì)師變量對(duì)于判別內(nèi)控重大缺陷是否存在具有顯著作用，反映了我國(guó)上市時(shí)間較長(zhǎng)的公司整體內(nèi)控水平低于上市時(shí)間較短公司的現(xiàn)狀;小規(guī)模公司對(duì)信息和控制系統(tǒng)的投入較少，能夠維持這些系統(tǒng)的人員和專家也少，不利于形成更強(qiáng)有效的內(nèi)部控制;披露內(nèi)控重大缺陷的公司審計(jì)師變更更加頻繁，但是是否聘請(qǐng)“四大”審計(jì)年報(bào)不能作為判定公司存在重大缺陷的有效變量。

本文構(gòu)建的貝葉斯判別函數(shù)的預(yù)測(cè)準(zhǔn)確率不到80%，一方面是由于本文所選擇樣本的期間是深交所剛開始強(qiáng)制上市公司披露內(nèi)部控制報(bào)告的頭兩年，對(duì)內(nèi)部控制缺陷的披露及評(píng)價(jià)存在許多不規(guī)范的地方，另一方面2007年適逢新舊會(huì)計(jì)準(zhǔn)則交替之際，許多公司對(duì)正確執(zhí)行新準(zhǔn)則的控制不足。隨著我國(guó)內(nèi)部控制法規(guī)強(qiáng)制企業(yè)評(píng)價(jià)與披露內(nèi)部控制狀況，更多、更合適的樣本將進(jìn)一步提高本文所建模型的預(yù)測(cè)準(zhǔn)確率，因此，本文的研究具有較高的應(yīng)用價(jià)值。監(jiān)管方、審計(jì)師以及外部投資者可以利用本文的研究方法及結(jié)論，判別上市公司內(nèi)部控制重大缺陷存在的可能性。政府監(jiān)管機(jī)構(gòu)可以借助判別模型結(jié)論有的放矢，將最嚴(yán)格的內(nèi)部控制監(jiān)管措施應(yīng)用于最有可能發(fā)生內(nèi)控重大缺陷的公司而不是所有公司，這樣一方面可以改善資源的宏觀配置，節(jié)約監(jiān)管成本;另一方面可以降低企業(yè)的平均遵循成本、節(jié)約資源進(jìn)行再投資以刺激生產(chǎn)和經(jīng)濟(jì)增長(zhǎng)。審計(jì)師可以應(yīng)用本文的研究方法評(píng)估審計(jì)風(fēng)險(xiǎn)調(diào)整審計(jì)策略。另外，本文還可以對(duì)投資者正確評(píng)價(jià)內(nèi)部控制及公司投資價(jià)值提供參考信息。

［1］黃京菁.美國(guó)SOA404條款執(zhí)行成本引發(fā)爭(zhēng)議的評(píng)述［J］.會(huì)計(jì)研究，2005，(9):86－89.

［2］William，J.C.The Costs of Being Public after Sarbanes－Oxley:The Irony of“Going Private”［R］.Working Paper，2005.

［3］Eldridge，S.，Kealey，B.Descriptive Evidence on SOX Audit Costs［J］.Journal of Accounting，Ethics and Public Policy ，2005，5(3):343 －373.

［4］D'Aquila，J.M.Tallying the Cost of the Sarbanes－Oxley Act［J］.The CPA Journal，2004，74(11):6 －9.

［5］Fanning，K.，Cogger，K.O.，Srivasava，R.Detection of Management Fraud:A Neural Network Approach［J］.Intelligent Systems in Accounting，F(xiàn)inance，and Management，1995，(4):113 －126.

［6］Cooley，J. W.， Hicks， J.O. Jr. A Fuzzy Set Approach to Aggregating Internal Control Judgments［J］.Management Sciences，1983，29(3):317 －334.

［7］Korvin，A.D.，Shipley，M.，Omer，K.Assessing Risks due to Threats to Internal Control in a Computer－Based Accounting Information System:A Pragmatic Approach Based on Fuzzy Set Theory［J］.Intelligence Systems In Accounting，F(xiàn)inance，and Management，2004，(12):139 －152.

［8］吳世農(nóng)，盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究［J］.經(jīng)濟(jì)研究，2001，(6):46－55+96.

［9］張玲，陳收，張昕.基于多元判別分析和神經(jīng)網(wǎng)絡(luò)技術(shù)的公司財(cái)務(wù)困境預(yù)警［J］.系統(tǒng)工程，2005，(11):49－56.

［10］陳艷，張海君.上市公司財(cái)務(wù)預(yù)警模型的研究［J］.財(cái)經(jīng)問題研究，2007，(6):92 －97.

［11］Altman，E.I.，Marco，G.，Varetto.F.Corporate Distress Diagnosis: Comparison Using Linear Discriminate Analysis and Neural Networks［J］.Journal of Banking and Finance，1994，18(1):505－529.

［12］Altman，E.I.Financial Ratios，Discriminate Analysis and the Prediction of Corporate Bankruptcy［J］.The Journal of Finance，1968 ，23(4):589 －609.

［13］Franklin， M.Sarbanes Oxley Section 404:Can Material Weakness Be Predicted and Modeled?An Examination of the ZETA Model in Prediction of Material Weakness［D］.Walden University，2007.

［14］Kwak，W. ，Eldridge，S.，Shi，Y.，Kou，G.Predicting Material Weaknesses in Internal Control Systems after The Sarbanes－Oxley Act Using Multiple Criteria Linear Programming and Other Data Mining Approaches［J］.Journal of Applied Business Research，2009，25(6):105－118.

［15］Doyle，J.，Ge，W.L.，McVay，S.Determinants of Weaknesses in InternalControl over Financial Reporting［J］.Journal of Accounting and Economics，2007，44(1/2):193－223.

［16］Ashbaugh －Skaife，H.，Collins，D.W.，Kinney，W.R. The Discovery and Reporting of Internal Control Deficiencies Prior to SOX－Mandated Audits［J］.Journal of Accounting and Economics，2007，44(1/2):166－192.

［17］Ettredge，M.C.，Scholz，L.S.Audit Fees and Auditor Dismissals in the Sarbanes－Oxley Era［J］.Accounting Horizons，2007，21(4):371 －386.

［18］Hogan，C.E.，Wilkins，M.S.Evidence on the Audit Risk Model:Do Auditors Increase Audit Fees in the Presence of Internal Control Deficiencies?［J］.Contemporary Accounting Research，2008，25(1):219－242.

［19］張敏，朱小平.中國(guó)上市公司內(nèi)部控制問題與審計(jì)定價(jià)關(guān)系研究——來自中國(guó)A股上市公司橫截面數(shù)據(jù)［J］.經(jīng)濟(jì)管理，2010，(9).

［20］齊保壘，田高良.財(cái)務(wù)報(bào)告內(nèi)部控制缺陷披露影響因素研究——基于深市上市公司的實(shí)證分析［J］. 山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2010，(4):114－120.

［21］Altman，E.I.，Haldeman，R.G，Narayanan，P.ZETA Analysis:A New Model to Identify Bankruptcy Risk of Corporations［J］.Journal of Banking and Finance，1977，1(1):29－54.

［22］Ohlson，J.Financial Ratios and the Probabilistic Prediction of Bankruptcy［J］.Journal of Accounting Research，1980，18(1):109－131.

［23］呂長(zhǎng)江，徐麗莉，周琳.上市公司財(cái)務(wù)困境與財(cái)務(wù)破產(chǎn)的比較分析［J］. 經(jīng)濟(jì)研究，2004，(8):64－73.

［24］邵希娟，曾?；?我國(guó)上市公司財(cái)務(wù)困境的預(yù)警模型研究［J］. 經(jīng)濟(jì)管理，2009，(9):123－128.

［25］林斌，饒靜.上市公司為什么自愿披露內(nèi)部控制鑒證報(bào)告?——基于信號(hào)傳遞理論的實(shí)證研究［J］. 會(huì)計(jì)研究，2009，(2):45－52+93－94.