(山东农业大学经济管理学院 山东泰安271018)
“大数据”这一概念始于美国麦肯锡公司,是指无法在一定的时间范围内,用常规的软件工具对其进行获取、管理和处理的数据集合,是需要全新的处理模式才能使其具有更强的决策力、洞察发现力和流程优化能力的巨量、高增长和多元化的信息资产。随着对大数据资产的探索、挖掘和使用,大数据不仅运用于传统基础学科,还运用在高端军事学和环境生态学等领域。近几年,互联网云计算、移动物联网和互联网的快速发展,对大数据资产的利用更加频繁,这使得大数据资产的价值愈加重要,不同技术之间的互相交融交织,势必会增强和加深大数据对各行各业的影响。2014年,大数据概念首次被写入了我国政府工作报告,之后,我国大数据产业呈现井喷式发展。
大数据的特点是 5V,即 Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性),由于数据体量巨大,所以涵盖的信息丰富。作为与数据分析最紧密的信息技术行业,各上市公司的业务量和业务复杂程度亦随之增加,这给注册会计师的审计业务带来挑战,导致审计工作的难度提高,审计风险随之增大,并最终对审计业务的收费造成影响。审计收费,也称审计定价,是指会计师事务所与客户签订审计业务约定书,对被审计单位进行审计,就其提供的审计服务,向被审计单位收取的、约定的费用。会计师事务所为了完成审计业务需要付出一定的成本,审计收费就是用来补偿必须的成本的,另外还包括来自风险的溢价和合理利润,实质上构成了会计师事务所运营资金的一部分,审计收费是否合理关系到其独立性以及审计服务的质量,影响会计信息质量,最终对社会主义市场经济秩序产生影响。本文结合大数据背景,以与数据分析联系最紧密的信息技术行业为切入点,研究哪些因素会影响信息技术行业审计收费水平的高低。
世界上对审计收费影响因素的研究最早始于1980年,Simunic提出的审计收费模型,是对审计收费影响因素研究的基石,从此国内外对审计收费高低的影响因素进行过大量研究,得出的结论也不尽相同。从以往国内外的研究来看,研究的角度主要是被审计单位特征和事务所特征,另外有些学者从契约特征、审计风险、国家政策、行业环境等角度研究。
Simunic(1980)以美国二十世纪七八十年代的上市公司为研究样本,进行了多元回归分析并得出结论:在选取的因变量中,上市公司的规模、审计业务复杂的程度对审计收费的影响最大,M.E.Taylor(1981)、Francis(1984)等人分别以英国、澳大利亚审计市场为例,得出了与Simunic相近的结论。王振林(2002)研究发现,上市公司拥有的资产额和事务所面临的审计业务复杂程度显著影响审计收费,Stergios Leventis(2010)也发现公司的规模与审计收费呈正相关并且显著。但是Elizabeth和 Carson(2004)同样以澳大利亚审计市场中的样本作为研究对象,却得出了与以往学者完全不同的结论,即上市公司拥有的资产规模对审计收费影响是非线性的。Abbott(2003)和我国学者杨华(2015)从公司治理的角度研究,当上市公司的审计委员会成员中全部是独立董事时审计收费会有所提高。David B Bryan和Terry W Mason(2016)同样从公司治理的角度进行研究,研究发现,削减CEO的薪酬会促使其操纵财务报告或做出高风险决策,从而使得审计风险提高,相应的审计收费也会提高,他们还研究了“竞争激励措施”对审计收费的影响,认为竞争激励措施会影响审计师对重大错报风险的判断并使其面临诉讼风险,从而对审计收费产生影响。
另外一些学者从承接上市公司审计业务的会计师事务所特征出发进行研究。Bruce K Behn(2009)对韩国上市公司的审计费用进行实证研究发现,“五大所”比“非五大所”总体费用要高。王兵、辛清泉(2010)则用事务所是否拥有分所来衡量事务所的业务规模,发现小所审计收费低但审计质量也可能不过关。Johnson、Walker和 Westergard(2011)以新西兰的审计服务市场的上市公司作为研究样本,同样认为承接审计业务的会计师事务所声誉和规模是影响其对上市公司审计费用的一个重要因素。张宜霞(2011)研究得出声誉较好的事务所收费更高。Chen和Ezzamel(2012)则选择了英国的审计服务市场,也得出了相似的结论。刘笑霞等(2012)发现事务所之间发生合并和收购会使审计收费显著提高。陈胜蓝、马慧(2015)的研究证实了这一结论。但是我国也有学者得出了不同结论。刘斌、叶建中、廖莹毅(2003)的研究发现,会计师事务所业务规模与其对审计客户收取的费用无显著的相关关系。耿建新、房巧玲(2012)将我国现在审计市场中的会计师事务分为“四大所”与“非四大所”,同样认为四大事务所在我国并未存在声誉溢价。
从以往学者的研究中可以看出,影响审计收费高低的因素中,被审计上市公司的规模对其影响最大。这个结果可以从下面几点予以解释:首先,经济广度和深度越大,涉及的经营范围及类型越广、越复杂,涉及的会计事项也会相应增加,注册会计师为了将审计风险降低至能够接受的、合理的低水平,必须使用更有力的审计程序,需要更多的时间和人力,这使得审计业务花费的成本大大提高。其次,随着被审计单位经济规模的扩大,其业务流程更加规范、复杂,信息技术行业更是如此,很多信息的处理都是在注册会计师能力之外的,所以审计过程中更有可能需要利用专家的工作,这也相应增加了审计成本。再次,对于大规模的上市公司,由于涉及到公众和社会利益,注册会计师确定的重要性水平会比一般公司低,因而所要进行的调整事项也会更多,相应地审计成本也会提高。从以往的研究中可以看出,资产总额可以作为度量被审计单位规模的一个指标,据此提出:
假设1:信息技术行业的上市公司拥有的资产总额与审计费用正相关。
“四大”拥有更具有胜任能力的员工、更规范的组织和管理体系等,这意味着“四大”需要付出更高的运营成本,并且“四大”提供的鉴证服务具有更高的公信力,具有一定的品牌效应,同时,“四大”对审计失败所要求的风险溢价更高,这些都表明,“四大”审计业务的报价要更高。本文选取“是否为四大”作为会计师事务所特征的度量,由此提出:
假设2:为信息技术行业提供服务的会计师事务所声誉与年度审计费用正相关。
审计风险模型表示为审计风险=重大错报风险×检查风险,审计风险是注册会计师事先确定的,重大错报风险是审计前财务报表客观存在的风险,重大错报风险提高,为将审计风险保持在合理的低水平,注册会计师需要更加谨慎的安排、计划并执行更有效的审计程序,使检查风险降低。从以上理论可以看出,如果作为审计客户的上市公司存在更高的重大错报风险,注册会计师的业务成本就会提高,进而导致审计收费的提高。
上市公司的风险由两部分组成,经营风险和财务风险,经营风险源于对公司实现发展战略目标不利的重大情况,或源自于决策错误产生不利于发展的目标和战略;财务风险则是由于借贷关系而引起的资本结构的问题。随着大数据时代的到来,信息技术行业近几年新设立的公司比较多,这些公司经营风险水平很高,财务风险也有逐年增加的趋势,根据前面的分析,审计收费也会有相应程度的提高。本文用净资产报酬率来衡量经营风险,用流动比率衡量财务风险,提出以下假设:
假设3:信息技术行业净资产收益率与审计收费正相关。
假设4:信息技术行业流动比率与审计收费正相关。
本文以沪深两市信息技术行业 A股上市公司2014—2017年的数据为研究样本,剔除年度财务报告中没有按要求披露审计费用的上市公司、某些指标缺失的上市公司以及*ST上市公司,共获得符合要求的样本数据500个,数据来源于国泰安数据库。
本文设定变量为因变量、自变量以及控制变量,由于本文研究的是信息技术行业审计收费的影响因素,根据Simunic(1980)经典审计收费模型,并参考张俊瑞、刘慧、杨蓓等(2015)的审计收费模型,将审计收费作为因变量,但是因各公司的数据较大,而取对数会在不影响线性结果的情况下使得结果更加容易读取,因此取审计收费的对数作为自变量;上市公司的资产总额可以直观地衡量其规模大小,同样因为各公司数据差异大的问题,选择其对数作为一个自变量;我国学者在评价会计师事务所声誉特征时经常将会计师事务所划分为“四大”和“非四大”,本文将“是否为四大”作为一个虚拟的因变量;流动比率和净资产报酬率可以分别衡量财务风险和经营风险,因此选择这二者作为自变量衡量审计风险,同时还选取可能影响审计收费的变量作为控制变量,分别为应收账款占总资产比、资产负债率和审计意见。具体变量如下页表1所示。
本文借鉴Simunic等学者研究审计收费影响因素时使用的修正审计收费模型,并结合我国审计收费环境,采用多元线性回归分析的最小二乘法,构建了回归模型(1)。
其中,LnFee为因变量,β0为常数项,βi为系数,ε为随机扰动项,Big4和Opinion为虚拟变量。
表1 变量表
使用SPSS软件对500个样本进行描述性统计,结果见表2。因变量审计收费自然对数(LnFee)最小值为12.21,最大值为15.95,平均值为13.6827,标准差为0.60377,说明信息技术行业的审计收费差异不大;资产总额对数(LnAsset)最小值为18.67,最大值为27.15,说明在大数据背景下,信息技术行业上市公司的规模参差不齐,这与各个公司的经营战略等不同有关;流动比率(CR)是所有自变量中标准差最大的,最小值为0.10,最大值为30.15,差异明显,但平均值为2.7416,这说明流动比率较小的信息技术行业上市公司占多数,原因可能是随着当今大数据的发展,信息技术行业处于导入期和成长期的公司较多,经营风险高,因此无法获得较多负债;净资产报酬率(ROA)是衡量上市公司盈利能力的指标,最小值为-2.63,最大值为2.10,平均值为0.0644,这说明信息技术行业上市公司的盈利能力普遍不高;承接审计业务的会计师事务所是否为“四大”(Big4)平均值为0.0560,这说明大部分信息技术行业上市公司选择“非四大”事务所进行审计。
表2 描述性统计结果
利用SPSS软件对样本进行相关性分析。由表3的结果可以看出,资产总额对数与审计收费对数的相关系数为0.636,并在0.01的水平上显著,说明审计收费与上市公司总资产呈显著正相关关系,这说明,资产总额越大,审计费用越高,与假设1相符;事务所是否为“四大”与审计收费对数的相关系数为0.420,并在0.01水平上显著,说明二者呈显著正相关关系,事务所声誉高有助于提高收费水平,与假设2相符;流动比率与审计收费对数的相关系数为-0.134,但没有显著性,说明流动比率与审计收费关系不显著,与假设3不符;净资产收益率与审计收费对数的相关系数为0.116,并在0.01水平上显著,说明净资产收益率与审计收费显著正相关,与假设4相符。三个控制变量与审计收费的关系并不显著。相关性分析的结果还需要回归分析来进一步研究分析。
表3 相关性分析
为了检验本文上述建立的模型是否能有效反映影响审计收费的主要因素并探究主要影响因素相互之间的重要程度,本文利用统计SPSS软件对上述变量进行了多元线性回归分析。首先将五个自变量全部强制引入,检验该模型的拟合效果,然后检验各变量之间的共线性问题,最后分析因变量和自变量之间的相关性,剔除不显著相关的变量再次回归,得到最终的模型。回归分析的结果见表4和表5。
表4 模型摘要表
表5 回归系数表
图1 散点图
由表4可以看出,回归模型的R2=0.537,回归模型的拟合优度较高,解释能力较强,并且在图 1散点图中可以看出各点呈随机状分布,并且大部分散落在[-2,+2]之间,这也能够说明模型的拟合效果较好,可以进行回归分析;模型的F=56.308,Sig=0.00,说明因变量审计收费自然对数Ln-Fee和四个自变量之间存在线性关系;自变量的VIF值均大于0小于10,说明自变量不存在多重共线性问题。
由表5回归分析系数表可以看出,资产总额对数的相关系数为0.301,显著性为0.000,说明资产总额自然对数与因变量有显著正相关关系,假设1成立;是否为“四大”相关系数为0.515,显著性为0.000,说明承接信息技术行业上市公司的事务所为“四大”时,审计收费提高,假设2成立;流动比率相关系数为0.005,显著性为0.588,上市公司的流动比率与审计收费对数不存在显著相关关系,净资产报酬率相关系数为0.232,显著性为0.015,上市公司净资产报酬率与审计收费显著正相关,假设3不成立,假设4成立。三个控制变量都与审计收费对数没有显著相关关系,与前面相关性分析结果一致。
为了确保模型的准确性,在剔除无显著相关关系的变量后,再次进行回归分析,得到如表6所示的结果,并且得出模型(2)。
从表6可以看出,资产总额对数的相关系数为0.306,显著性为0.00,是否为“四大”相关系数为0.511,显著性为0.00,净资产报酬率相关系数为0.189,显著性为0.037,说明三者与审计收费均有显著相关关系,对审计收费影响大小依次为是否为“四大”、资产总额对数、净资产报酬率。
表6 回归系数表
本文通过研究大数据环境下与信息挖掘联系最紧密的信息技术行业2014—2017年A股上市公司数据,通过建立审计收费模型,探究影响我国A股上市公司年度审计费用的主要因素,得出以下结论:在四个自变量中,承接上市公司的会计师事务所是否为“四大”对审计收费的影响最为显著,其次是资产总额对数,最后是净资产报酬率,而上市公司流动比率与审计收费没有显著相关关系,应收账款占比、资产负债率和审计意见对审计收费也没有显著相关关系。
1.健全行业规范,加强监管力度。根据我国的相关规定,上市公司应当在年度会计报告中披露年度境内外审计收费。通过收集2014—2017年度信息技术行业上市公司年报中审计费用的数据,可以看出,有些上市公司没有按照相关规定在年度会计报告中公开其年度的审计收费,审计收费的披露仍然未能形成标准,但是经过注册会计师审计、上市公司批准公开的财务信息,对于增强财务报告的可信度起着关键的作用,因此必须加强对财务报告中审计费用的披露内容、披露方式的监管,使其更加规范化,以满足广大中小股东、债权人、政府机构等的需求。
2.规范事务所管理,提高审计质量。根据本文实证研究的结论,承接审计业务的会计师事务所声誉对审计报价影响较大,会计师事务所声誉更好的情况下,审计报价更高,因此,会计师事务所要从自身做起,加强业务水平控制,加强对审计师专业能力和独立性的关注,因为有些信息技术行业的上市公司规模不是很大,因此会计师事务所应该保证能够提供质量好价格优的高性价比服务;培育声誉机制,争取早日树立良好的品牌效应,增强在国内市场的知名度与影响力。
根据以前研究的结果,对上市公司审计收费产生影响的其他因素还有很多,如上市公司的国有资产占比、是否进行了盈余管理、治理结构等,这些变量都应该被纳入自变量或作为控制变量进行考察,而本文只选取了其中的几个变量进行研究,最终结果难免不全面、不准确。另外,在进行数据选择时,许多信息技术行业上市公司有数据缺失现象,这也导致了数据不完整、研究不充分的问题,需要在以后的研究过程中加以完善。