上市公司会计盈余质量与审计意见类型相关性研究

上市公司会计盈余质量与审计意见类型相关性研究——基于有色金属冶炼及压延加工业的实证分析赵曰飞2010307060104摘要：本文通过构建盈余质量综合测度模型采用实证分析的方法对我国上市公司盈余质量与审计意见类型相关性进行研究，证明本文提出的相关假设。关键词：盈余；盈余质量；审计意见类型；随着中国会计制度以及会计理论框架的日趋发展、完善，会计盈余作为评价企业生存发展能力的核心指标也必然被赋予越来越重要的地位。上市公司对外公布的财务报告信息质量与投资者如何做出投资决策以及投资者的经济利益密切相关，因此注册会计师通过实施必要的审计程序所出具的审计报告的重要性可想而知。本文利用上市公司公开的财务数据，实证检验上市公司盈余质量和审计意见类型的相关性。一、理论分析与研究假设会计盈余是一种最重要、最综合、投资者最为关心的信息，盈余质量是会计信息质量的一个典型代表（魏明海，2005）。早在20世纪30年代，美国的证券市场便逐渐形成了“盈余质量”的概念。60年代，美国财务分析专家奥格洛弗（O.Glove）出版颇有影响的投资咨询报告《盈余质量》，盈余质量分析在证券业日益受到重视。70年代末，由于价值投资理念的兴起，公司的盈余质量更加受到重视。盈余质量是评价企业财务健康状况的重要方面，然而对于什么是盈余质量？学术界和实务界的国内外学者至今没有形成一致的全面概括的定义。霍奇(Hodge,2003)认为，盈余质量是指利润表上报告的盈余信息能在多大程度上反映企业真实的盈余。彭曼(Penman,2003)则认为盈余质量与过去的盈余和当期报告盈余有关。鲍尔(Ball,2005)认为盈余质量是财务报表对投资者、债权人、管理者以及其他与公司联系的第三方组织的有用性。程小可(2004)认为盈余质量是指盈余信息使用者的决策相关性，即根据当期盈余（或盈余变动情况）预测公司未来市场回报的能力。审计意见是注册会计师依据独立审计准则的要求，对上市公司财务报表实施必要的审计程序，获得充分、适当的审计证据后，对所审财务报表整体是否存在重大错报而作出的合理保证。审计意见的不同类型反映了注册会计师在执业过程中的独立性和对审计风险的谨慎程度，综合体现了审计质量。目前，国内外的审计意见基本分为两大类：标准的审计意见即清洁审计意见和非标准的审计意见即不清洁审计意见。审计意见，作为独立于上市公司与投资者的“第三人”，不仅反映了注册会计师所承担的责任，审计的质量，而且极大地影响着报告使用者，尤其是投资者的投资决策。根据《独立审计准则》规定，注册会计师必须依据《独立审计准则》的要求对被审计单位进行审计后出具审计报告，为了获得合理保证将审计风险降到最低，注册会计师必须关注公司的财务状况和经营成果。会计盈余质量的好坏反映了企业的生存发展能力，因而注册会计师在审计过程中，应当关注任何可能增加其审计风险的事项，包括盈余质量的情况。本文认为公司会计盈余质量状况与注册会计师所出具的审计意见类型之间存在着相关性，在此提出如下假设：假设1：被出具标准审计意见和非标准审计意见的公司盈余质量存在着显著的差别。假设2：上市公司的盈余质量越好，被出具标准审计意见报告的可能性就越大。二、研究设计与样本选择(一)构建盈余质量测度模型1.样本与数据选取本文选取2007年度-2010年度沪深两市A股上市的有色金属冶炼及压延加工业共47家上市公司为样本，并按以下原则剔除样本：①剔除研究期间内退市的样本；②剔除上市公司财务数据缺失的样本；③剔除出现异常的样本。经过上述筛选，最后共得到30家样本公司，其中上交所17家，深交所13家。本文涉及的上市公司财务数据主要来源于国泰安数据库(CSMAR)、金融研究数据库(RESSET)，并从巨潮资讯网发布的上市公司年度公告获取部分补充资料。本文利用Excel软件和Spss15.0软件数据计算和分析过程。2.盈余质量测度指标与综合评价模型①测度指标的选取盈余质量的测度体系必须遵从盈余质量的定义和盈余质量的内容。盈余质量的内容包括预测性、结构性、持续性和及时性，测度盈余质量的评价指标应该围绕这四大特性设置。因此，本文借鉴IASC表述的会计信息质量体系，共设置了10个指标来反映盈余质量，如图所示：盈余质量测度指标反映内容指标编号指标名称反映盈余预测性的指标X1修正后的盈余变现率X2现金和盈余配合指数反应盈余结构性的指标X3营业利润比率X4非经常性损益比率反映盈余持续性的指标X5每股收益变动率X6每股收益变异系数X7净资产收益率变动率X8净资产收益率变异系数X9资产负债率反映盈余及时性的指标X10报告披露天数②综合评价模型的构建本文选取目前广泛应用的盈余质量综合评价模型：EQSi=niiiZxs1*其中：EQSi代表第i个公司的盈余质量综合的分值，Si代表测度体系中10个指标的评价系数，Zxi代表测度体系中10各指标的标准化值。为了避免主观赋权对综合评价指标的影响，本文选择主成分分析中得到变量评价系数。下面运用spss15.0统计分析软件对选定的样本公司数据进行主成分分析，得到主成分综合模型，本文以2010年的数据为例行说明。利用主成分分析的统计方法得到4个主成分来替代原有的10个原始指标，通过主成分分析来构建盈余质量综合评价模型：⑴主成分模型。通过主成分分析，利用主成分载荷矩阵以及主成分相对应的特征值得到每个指标所对应的系数，然后结合分析得出的原始数据的标准化值得到主成分表达式如下所示：F1=-0.1057Zx1+0.2276Zx2+0.1356Zx3-0.0074Zx4+0.1633Zx5+0.8158Zx6+0.1547Zx7+0.0494Zx8+0.5552Zx9+0.3244Zx10F2=0.2265Zx1+0.1284Zx2-0.2906Zx3+0.6148Zx4+0.0888Zx5+0.0502Zx6+0.1114Zx7+0.5830Zx8+0.154Zx9-0.2892Zx10F3=-0.2228Zx1+0.6903Zx2+0.1546Zx3+0.0859Zx4-0.3685Zx5+0.1267Zx6-0.3109Zx7+0.2325Zx8-0.2299Zx9+0.2947Zx10F4=-0.1718Zx1-0.0487Zx2+0.1244Zx3-0.0068Zx4+0.1498Zx5+0.7485Zx6+0.1419Zx7+0.0453Zx8+0.5093Zx9+0.2977Zx10⑵模型结果。以每个主成分所对应的特征值占所提取主成分总的特征值之和的比例作为权重计算主成分综合模型：F=0.407745F1+0.22534F2+0.200224F3+0.16669F4有关主成分分析的相关过程如图表所示：TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%12.90629.06329.0632.90629.06329.06321.60616.06445.1271.60616.06445.12731.42714.26759.3941.42714.26759.39441.18811.88471.2781.18811.88471.2785.9369.35780.6356.9079.06989.7047.5075.06894.7728.3403.40198.1739.1641.64399.81610.018.184100.000ExtractionMethod:PrincipalComponentAnalysis.ComponentNumber10987654321Eigenvalue3.02.52.01.51.00.50.0ScreePlotComponentMatrix(a)Component1234x1-.180.287-.266-.187x2.388.163.825-.053x3.792-.368.185.136x4-.233.779.103-.007x5.835.113-.440.163x6-.015.064.151.816x7.883.141-.371.155x8.394.739.278.049x9-.609.195-.275.555x10-.197-.366.352.324ExtractionMethod:PrincipalComponentAnalysis.a4componentsextracted.以上是根据样本公司2010年的数据得出的模型结果,根据主成分分析得出的盈余质量综合测度模型就可以计算得出每个样本公司的EQS值了。(二)盈余质量与审计意见类型相关性实证分析本文利用上述构建的盈余质量综合测度模型得出的样本公司盈余质量综合评价得分作为衡量公司盈余质量的代表变量，进而进行相关性实证分析。①研究假设假设1：被出具标准审计意见和非标准审计意见的公司盈余质量存在着显著的差别。假设2:上市公司的盈余质量越好,被出具标准审计意见报告的可能性就越大。②变量设定⑴被解释变量——审计意见类型。本文采用大多数的审计意见类型分类，讲审计意见类型分为标准审计意见和非标准审计意见。用虚拟标量“1”表示清洁样本，虚拟变量“0”表示不清洁样本。⑵解释变量和控制变量。本文以上述盈余质量的代表变量作为自变量，并引入影响审计意见的控制变量公司规模size（用总资产的自然对数表示）。⑶模型构建。为检验前述有关理论假设，本文借鉴逻辑斯蒂实证模型：P(Y=1)=1/(1+Fe),其中P（Y=1）表示公司收到标准审计意见的概率；F=1*niiiZx+i，xi表示盈余质量的代表变量和引入的控制变量，i是回归方程变量的系数，i为自然数，n的个数取决于所选择的自变量个数，i为随机干扰项。三、统计分析过程和结果1.描述性统计DescriptiveStatistics变量MinimumMaximumMeanStd.Deviation01010101EQS-2.62337-2.443450.3771141.408861-0.852550.0947281.571740.66721F1-3.5593-5.691431.33663.248721-0.604370.067152.6006841.63554F2-2.227-1.16809-0.16054.556901-1.142470.126941.0370611.23564F3-5.0583-1.88541.02171.229763-1.500030.1666663.1697640.72238F4-1.5704-1.460760.44994.726191-0.29010.0322361.1132591.10609size8.57389.04310110.054310.739149.31769.7639450.7402760.465470为非清洁样本，1为清洁样本从表中两类公司各项指标的均值、标准差、最大值和最小值对比可以看出，不清洁样本和清洁样本的盈余质量综合得分与各分项得分有着明显的差别。从均值来看，不清洁样本的各项盈余质量得分均值均为负值，清洁样本均为正值，清洁样本的盈余质量评价得分都高于不清洁样本；不清洁样本的规模比清洁样本的规模也略小，其影响程度需要进一步检验。从标准差来看，不清洁样本指标的标准差比清洁样本要大，可见其波动程度较大，更不稳定。从描述性统计情况来看，清洁样本的盈余质量情况要好于不清洁样本的盈余质量情况。从而证明了假设1：被出具标准审计意见和非标准审计意见的公司盈余质量存在着显著的差别。2.Logistic回归分析由于因变量为二分变量，而且通过相关性检测，F1,F2,F3,F4,size是相互独立的，因而本文利用spss统计分析软件进行Logistic回归分析。CorrelationsEQSF1F2F3F4sizeEQSPearsonCorrelation1.859(**).355.293.222.041F1Pe