提供论文发表、期刊发表、证书、著作、课题申请、专利等一条龙服务——杂志社张伟浩-您负责教书育人,我们负责解决您职称,晋级路上遇到的难题。

在审计报告中沟通关键审计事项是否提高了盈余质量?

分类:(一) 发表时间:2019-08-16

一、引言 在审计报告中沟通关键审计事项, 是近几年来审计报告较为突出的变化。国际审计与鉴证准则理事会 (IAASB) 于2015年1月正式颁布了新的审计报告准则《ISA701在独立审计师报告中
一、引言
 
 
在审计报告中沟通关键审计事项, 是近几年来审计报告较为突出的变化。国际审计与鉴证准则理事会 (IAASB) 于2015年1月正式颁布了新的审计报告准则《ISA701——在独立审计师报告中沟通关键审计事项》。为了实现与国际审计准则的持续趋同, 2016年底, 我国财政部印发《中国注册会计师审计准则第1504号——在审计报告中沟通关键审计事项》 (以下简称“《1504号准则》”) , 该准则在上市公司中分批次实行, A+H股公司应于2017年1月1日起执行, 其余上市公司应于2018年1月1日起执行。我国审计准则对关键审计事项的定义为:注册会计师根据职业判断认为对本期财务报表审计最为重要的事项, 关键审计事项从注册会计师与治理层沟通过的事项中选取。
 
 
早在2013年7月, IAASB发布的《关于修订国际审计准则征求意见稿》中就已经提议在审计报告中沟通关键审计事项, 自此以后, 沟通关键审计事项就引起了国内外学者的广泛关注。目前已有的研究主要是集中在审计师责任以及个人投资者的决策和评估。有关审计师责任的研究结论表明, 与后续诉讼有关的关键审计事项部分减少或不影响审计师的责任。然而, 对于个人投资者的决定, Christensen等[1]的实验结论表明, 相比于接收标准审计报告信息的个人投资者, 接收包含关键审计事项的审计报告的投资者更可能改变他们的投资决策。此外, 还有研究使用眼动追踪技术发现, 在沟通关键审计事项时, 审计报告的使用者在关键审计事项部分集中更多注意力[2]。国内学者对关键审计事项的研究主要是案例研究和描述统计分析, 路军和张金丹[3]对我国A+H股公司2016年审计报告中关键审计事项进行了初步研究, 全面分析了首次披露的关键审计事项信息与实施情况。张继勋等[4]采用实验研究发现, 新的准则下, 管理层与审计师沟通的意愿更强。可以看出, 由于时间较短, 国内外学者对于关键审计事项的研究还处于起步阶段, 而且大部分研究集中于案例研究和实验研究, 缺乏客观数据的实证研究。我国分阶段实施新审计准则的规定, 为关键审计事项的相关研究提供了一个良好的准自然实验环境。
 
 
盈余管理一直是会计领域学术研究的热门话题, 当前学者对于其定义比较一致的观点是:公司管理层通过影响会计政策选择、改变交易等形式来调整和控制公司的盈余信息, 通过财务报告传递从而影响投资者决策, 来满足自身利益的最大化[5,6,7]。公司的财务报告是投资者获取包括盈余信息在内的公司信息的重要途径, 是投资者进行投资决策的重要依据。由于信息不对称的存在, 投资者需要公正的第三方——注册会计师对上市公司财务报告真实性、合法性和一致性进行鉴证。之前的审计报告已经完全规范化, 如同八股文一般的格式和内容固然简洁、清晰、明了并具有较强的可比性。可是这样的审计报告只有标准审计意见和非标准审计意见两类, 在审计中发现的需要与管理层沟通的事项并不能反映在审计报告中, 导致审计报告信息含量不足, 审计报告使用者无法获取更多的相关信息。
 
 
沟通关键审计事项, 旨在提高审计工作的透明度, 为报表使用者提供额外信息, 以帮助其了解注册会计师指出的对财务报表审计最为重要的事项, 也能加强注册会计师与被审计单位治理层的沟通[4], 同时还可能提高治理层对审计报告中提及的重要事项的关注程度, 由此提升财务报表信息含量与信息质量。
 
 
结合我国分阶段执行《1504号准则》的政策, 本文以2015-2016年《1504号准则》实施前后的A股上市公司为基本样本, 运用倾向得分匹配和双重差分模型相结合的方法 (PSM-DID) , 从动机性推理理论的分析入手, 实证检验沟通关键审计事项对盈余管理程度的影响, 为我国实施新审计准则的政策效果提供经验证据, 同时丰富盈余管理领域相关文献。研究结果表明, 沟通关键审计事项显著降低了样本公司的应计盈余管理程度, 支持了动机性推理理论的假设, 即沟通关键审计事项通过触发合理性约束抑制了审计师的动机推理行为, 提升了审计师职业怀疑态度, 从而提高审计质量, 降低公司应计盈余管理程度。进一步地, 本文检验了关键审计事项的数目与公司盈余管理程度的关系, 结果发现, 关键审计事项数目越多, 公司盈余管理程度越低。同时, 本文考虑公司规模的影响, 发现规模小的公司在政策实施后应计盈余管理降低程度显著小于规模较大的公司。此外, 本文实证结果并未发现沟通关键审计事项对真实盈余管理有显著影响。
 
 
与之前的研究相比, 本文的研究可能有以下几个方面的贡献:
 
 
首先, 本文的结论证明了在《1504号准则》实施的首年, 沟通关键审计事项显著降低了盈余管理程度。2016年底财政部颁布《1504号准则》, 以提高审计过程透明度和审计报告信息含量, 并为财务报告使用者提供额外信息, 使其更了解被审计单位。本文从会计盈余质量的角度, 为这一政策的实施效果提供了经验证据。沟通关键审计事项使得上市公司应计盈余管理程度降低, 且关键审计事项数目越多, 应计盈余管理程度越低。因此, 该政策的有效实施对于降低盈余管理程度, 提升信息披露质量, 进而促进资本市场有效运行具有重要作用。
 
 
其次, 本文拓展了已有文献的研究:包括关键审计事项的相关文献, 以及盈余管理相关领域文献。相较于目前国内外对于关键审计事项以实验、案例和描述性为主的研究, 本文利用客观数据对沟通关键审计事项实施效果的实证检验丰富了相关研究。审计准则改革的目的是为了给报表使用者提供更高的信息质量以及更丰富的信息含量, 本文的研究提供了关于新审计准则中沟通关键审计事项对盈余管理影响的初步认识。《1504号准则》的全面实施可以为相关研究带来更加丰富的数据, 后续可以对关键审计事项进行深入广泛的研究。
 
 
最后, 本文研究结论支持动机性推理相关假设, 拓展了动机性推理的相关研究, 丰富了我们对于动机性推理在审计过程中所起作用的认识。
 
二、理论分析与研究假设
 
(一) 审计与盈余管理
 
 
盈余管理是指管理层为了自身的利益, 通过会计手段和关联交易, 对企业财务报告进行调整和控制, 旨在影响利益相关者决策的行为。Schipper[8]将盈余管理分为应计盈余管理和真实盈余管理, 应计盈余管理主要是指管理层通过会计政策选择和会计估计等方法对应计项目进行操控, 真实盈余管理则是指管理层通过改变真实业务的发生时间和方式或者构造真实业务等手段来调整和控制公司盈余信息。
 
 
已有研究发现[9,10], 高质量的审计能够对盈余管理行为有明显的抑制作用。一方面, 高质量的审计大大提高了注册会计师发现公司管理层的盈余管理行为的可能, 从而抑制盈余管理;另一方面, 高质量的审计也对公司管理层产生了威慑, 使得公司管理层盈余管理行为有所收敛, 因此减少盈余管理。而审计人员的独立性和职业怀疑态度是影响审计质量的重要因素。Beasley等[11]通过对审计失败的处罚案例进行研究发现, 审计失败的前三大原因分别是证据收集不足、职业关注不够和缺乏职业怀疑态度, 而前两位的原因也与职业怀疑态度息息相关。接下来, 本文分别从审计师和管理层两个视角出发, 分析沟通关键审计事项对公司盈余管理的影响, 并提出本文假设。
 
(二) 沟通关键审计事项与盈余管理
 
 
动机性推理是指致力于达成特定目标或其偏好目标的个体, 会以偏见的方式解释和处理信息, 来强化他们倾向的行为[12,13]。动机性推理的相关研究发现, 个人的决策过程受他们目标的影响[12,14,15]。与动机性推理一致, 以前的研究发现[16,17,18,19], 审计师倾向于利用会计准则固有的模糊性来证明客户偏好的会计方法的合理性这个特定目标[14,20]。
 
 
但是, 这种行为并非没有限制, 当触发所谓的“合理性约束”[21]的情况下, 审计师会以其根深蒂固的职业怀疑态度审慎的对待审计过程。比如当被审计单位管理层施加压力欲使审计师接受其激进的会计处理时, 注册会计师可能以其审慎的职业反应来应对这些挑战[22,23]。
 
 
“合理性约束”是指审计师 (或一般个人) 并不是无限制地追求达成其特定目标, 注册会计师会希望采取一个有效的决策过程, 使第三方认为其在对被审计单位进行审计时以专业的方式行事。如果审计师觉得他们的专业形象受到挑战, 则可能触发“合理性约束”, 比如当他们感受到非常高的客户压力时[14,24]。
 
 
Gimbar等[25]发现, 陪审员认为精确的会计准则约束了注册会计师对财务报告结果的控制, 这反过来又导致了当会计处理符合精确的准则时, 陪审员判断审计师疏忽的倾向降低。同时证明, 沟通关键审计事项降低了陪审员认为存在这种约束的程度, 导致审计师责任增加。Hackenbrack和Nelson[20]指出当面临高风险时, 审计师“要求保守的报告并通过对会计准则的保守解释来证明他们的选择合理”。
 
 
总之, 虽然注册会计师似乎倾向于在存在余地的情况下接受客户偏好的会计处理, 但以上分析还表明, 如果情况需要, 注册会计师可能会表现出审慎的专业反应。在审计报告中沟通关键审计事项, 注册会计师需要提供合理的确认关键审计事项的理由以及合理的应对措施, 因此提高了审计工作的透明度, 这无形中增加了注册会计师的压力。对于注册会计师来说, 原本只会出现于工作底稿中的内容被公开披露出来并接受检验, 这可能会导致其执业更加谨慎。因此, 当与被审计单位治理层产生分歧时, 注册会计师态度可能会更强硬, 不妥协。这似乎可以假定在审计报告中沟通关键审计事项通过触发合理性约束, 降低了注册会计师接受客户偏好的会计处理的倾向。换句话说, 注册会计师考虑到需要在审计报告中沟通关键审计事项时会表现出更多的怀疑态度和谨慎行为, 进而提高披露质量。
 
 
另外, 要求注册会计师在审计报告中沟通关键审计事项, 有助于加强注册会计师与被审计单位治理层的沟通, 促使治理层加强对相关事项的关注程度, 按照会计准则要求对注册会计师意见重新审视、修改完善其财务报告, 提高披露质量。刘华等[26]从企业社会责任报告入手, 发现强制性披露企业社会责任报告与公司盈余管理程度存在显著负相关。相同的, 黄珺等[27]在研究企业环境信息披露水平与管理层行为时发现, 管理层行为主要受到控股股东和政府部门监管的影响。所以, 《1504号准则》的出台必然引起注册会计师和治理层的重视, 治理层可能会加强对相关事项披露的关注, 并增加与注册会计师的沟通和交流。
 
 
与此同时, 我国对上市公司披露的监管日趋严格, 自2016年以来, 证监会多次强调要“依法监管、全面监管、从严监管”, 同时强调中介机构应勤勉尽责、恪尽职守。2016-2017年, 瑞华、立信等会计师事务所均因未能勤勉尽责受到了证监会的行政处罚, 并责令限期整改。2017年沪深交易所共发出问询函1349份, 其中, 上交所454份, 深交所主板335份、创业板241份、中小板319份。从中可以看出证监会以及交易所贯彻“三个监管”的坚定决心。在这种监管力度下, 审计师和被审计单位必然不敢贸然顶风作案。
 
 
因此, 根据以上分析, 本文基于动机性推理理论, 假设注册会计师在沟通关键审计事项时会因触发合理性约束表现出更多的怀疑态度和谨慎行为, 同时也因此加强了单位治理层对相关事项的关注程度, 从而降低盈余管理程度。即假设H1:
 
 
H1:在审计报告中沟通关键审计事项显著降低了上市公司盈余管理程度。
 
(三) 沟通关键审计事项的数目与盈余管理
 
 
由于沟通关键审计事项的规定首次实施, 对于注册会计师和公司治理层来说都是新鲜事物, 而这种新事物的出现, 不仅提高了审计师的工作透明度, 也使公司年度报告中披露了更多公司信息[3]。审计师和公司治理层因此会受到更大的来自报表使用者的监督压力, 难免使其产生心里抗拒[28,29], 尤其是对强制执行的A+H股公司来说, 有可能产生应付心理和行为。考虑到我国现实情况, 将与被审计单位治理层沟通达成一致意见并作出调整的事项仍然在审计报告中进行披露, 被审计单位治理层可能难以接受。
 
 
而且, 新准则中并没有对沟通关键审计事项的数目有所规定。信号传递理论认为自愿性信息披露有利于缓解信息不对称所引发的一系列问题, 降低公司资本成本, 提升企业价值[30,31]。公司的治理层对财务报告内容的真实、准确和完整性承担保证, 最终发布的财务报告一定程度上是经其认可的。因此, 沟通关键审计事项越多的公司, 其治理层可能传递了一种信号, 表明其审计师和治理层对新准则的积极参与和全面配合, 为编制和提供高质量的审计报告提供了重要条件。
 
 
此外, 沟通关键审计事项越多的公司提供了更多的额外信息, 降低了审计期望差距, 可能表明审计师在执业过程中更加勤勉尽责[32]。公司受到了更多来自审计师的压力, 使其信息披露质量有所提升。同时, 有研究认为披露关键审计事项可能会增加审计失败给审计人员带来的责任, 增加其诉讼风险[25]。因此, 更多的关键审计事项数目可能意味着审计师在披露关键审计事项过程中受到诉讼压力的影响较弱, 表现出了更强的职业态度。基于此, 本文提出假设H2:
 
 
H2:沟通关键审计事项数目越多, 上市公司盈余管理程度越低。
 
三、研究设计
 
(一) 模型与估计方法
 
 
《1504号准则》中规定, 对于A+H股公司供内地使用的审计报告, 应于2017年1月1日起执行此准则, 也就是说, A+H股公司供内地使用的2016年度审计报告中, 需要沟通关键审计事项。而对于其他上市公司, 应于2018年1月1日起执行此准则。这可被看作是在A+H股公司进行的一项政策实验, 而对其效果的评估, 通常采用双重差分方法 (DID) 进行分析[33], 利用该方法可在一定程度上缓解随时间变化的遗漏变量引起的差异问题。因此, 本文将A+H股上市公司以及率先自愿执行新准则的内地上市公司作为处理组, 其他的上市公司作为控制组。进一步将2015-2016年样本上市公司划分为四组子样本, 即执行新准则之前 (2015年) 的处理组、执行新准则之后 (2016年) 的处理组、以及执行新准则前后相对应的控制组。本文通过设置KAM和year两个虚拟变量来区别上述四组子样本。其中, KAM=1代表A+H股上市公司以及率先自愿执行新准则的内地上市公司, KAM=0代表其他A股上市公司;year=1代表执行新准则之后的年份, 即2016年, year=0代表执行新准则之前的年份, 即2015年。根据上述界定, 可将本文的DID回归模型设定如下:
 
 
Yit=β0+β1KAMit+β2yearit+β3KAMit×yearit+β4Contralit+εit (1) 
 
 
其中, 下标i和t分别代表第i个公司和第t年, Contral代表一系列控制变量。参照已有研究[34,35], 具体包括资产负债率 (LEV) 、公司成长性 (growth) 、净现金流量 (FCF) 、董事会人数 (lnboard_num) 、高管薪酬前三名总额 (lnTMT3) 、独立董事比例 (indep_per) 、总资产收益率 (ROA) 、总资产规模 (lnassets) 。ε为随机干扰项, 被解释变量Y代表公司盈余管理程度, 包括应计盈余管理 (absDA) 和真实盈余管理 (absREM) 。根据DID模型的含义, β3是处理组在执行新准则前后的盈余管理程度差异减去控制组在新准则执行前后盈余管理程度的差异得到的, 表示沟通关键审计事项对上市公司盈余管理程度带来的净影响。如果沟通关键审计事项降低了上市公司盈余管理程度, 则β3的系数显著为负;反之, 则显著为正。
 
 
利用DID方法, 一个重要的前提条件是处理组和控制组需要满足共同趋势假设, 即如果不存在新的审计准则, 提前执行新准则上市公司与未执行新准则上市公司的盈余管理程度随时间变化的变动趋势并不存在系统性差异。但是, 处理组的上市公司大部分都是A+H股上市公司, 只有极个别A股上市公司率先自愿执行了新的准则。而证监会为申请境外上市企业设立的“456”标准 (1) 等门槛, 导致了A+H股公司通常资产规模较大, 盈利能力和融资能力都较强, 公司治理也较为完善, 且A+H股公司同受内地证监会和香港证监会的监督。以上原因可能会导致DID方法的这一假定无法满足。由Heckman等[36,37]提出的倾向得分匹配 (PSM) 与DID结合的方法可以有效解决这一问题, 使得样本满足共同趋势假设[38]。
 
 
PSM-DID方法的基本思路是在未率先执行新准则的控制组上市公司中找到某个公司q, 使得q与执行了新准则的处理组中上市公司p的可观测变量尽可能的相似, 即Xp≈Xq, 当上市公司影响自身盈余管理程度的可观测变量相近时, 便能够对处理组和控制组的盈余管理程度进行相互比较。匹配估计量可以解决DID中处理组和控制组的盈余管理程度在新准则实施前不符合共同趋势假设的问题。
 
(二) 样本选择与数据来源
 
 
为了满足DID方法的共同趋势假设, 首先运用PSM方法确立样本。本文选择新准则实施前后中国沪深两市A股上市公司2015-2016年的数据, 公司治理数据和财务数据来源于WIND、CSMAR数据库。此外, 手工从年度报告中收集获得上市公司是否在年度报告中沟通关键审计事项, 并收集了样本中执行新审计准则公司沟通关键审计事项的数目。剔除金融保险类上市公司和ST、*ST类上市公司, 同时剔除相关数据缺失的上市公司, 最终确立了2年共5960个初始样本值。
 
 
第一步, 进行PSM一阶段回归。参考相关文献[39]并结合证监会在1999年颁布的《关于企业申请境外上市有关问题的通知》中的相关政策要求, 采用如下Logit模型计算倾向得分值进行样本匹配:
 
 
Logit=α0+α1equity+α2netprofit+α3top1+α4FCFEA+α5LEV+α6SOE+α7∑industry+ε (2) 
 
 
其中, equity代表企业的净资产规模, netprofit代表企业净利润总额, top1代表第一大股东持股比例, FCFEA代表股权自由现金流与总资产之比, LEV代表资产负债率, SOE代表公司属性虚拟变量, 当SOE=1时, 为国有企业, 当SOE=0时, 为其他类型企业。本文采用最近邻匹配法为处理组上市公司寻找配对样本, 2年共212个样本观测值。
 
 
表1是匹配前后处理组和控制组匹配变量的均值差异检验结果, 由表中数据可知, 在匹配之前, 各变量之间存在较大差异, 而在匹配之后, 处理组与控制组公司的各匹配变量均值差异均有明显的下降。
 
 
表1 处理组与控制组匹配前后变量均值差异检验 导出到EXCEL
 
 
 
 
variable 
匹配前 匹配后 
Mean
 (KAM=0)  Mean
 (KAM=1)  Mean
Diff Mean
 (KAM=0)  Mean
 (KAM=1)  Mean
Diff 
lnassets 22.0577 24.8970 -2.8393*** 23.9945 24.8970 -0.9025** 
 
equity 40.4634 779.0999 -738.6365*** 332.3132 779.0999 -446.7876 
 
netprofit 3.0289 49.6282 -46.5993*** 33.5542 49.6282 -16.0740 
 
top1 0.3322 0.4163 -0.0841*** 0.4144 0.4163 -0.0020 
 
FCFEA -0.0030 0.0175 -0.0206 -0.0105 0.0175 -0.0280 
 
LEV 0.4198 0.5701 -0.1503*** 0.5197 0.5701 -0.0504 
 
growth 0.1726 0.0010 0.1715 0.0084 0.0010 0.0074 
 
FCF 0.0456 0.0603 -0.0146 0.0520 0.0603 -0.0083 
 
board_num 8.5056 9.6308 -1.1251*** 9.1750 9.6308 -0.4558 
 
indep_per 0.3762 0.3939 -0.0177** 0.3822 0.3939 -0.0118 
 
ROA 0.0407 3.1520 0.0092 3.2313 3.1520 0.0794 
 
TAT 0.6326 0.6501 -0.0175 0.5169 0.6501 -0.1332 
 
FER 0.0191 0.0274 -0.0083 0.0288 0.0274 0.0014 
 
SOE 0.3243 0.7846 -0.4604*** 0.8500 0.7846 0.0654 
 
  
 
注:***、**和*分别表示系数在1%、5%和10%的水平下显著。
 
(三) 变量定义
 
 
本文所用到的被解释变量、解释变量以及控制变量的定义及计算方法见表2。
 
四、实证检验与分析
 
(一) 主要变量的描述性统计
 
 
表3报告了本文主要变量的描述性统计结果。被解释变量应计盈余管理程度absDA、真实盈余管理程度absREM平均值分别为0.0362和0.0813, 最小值分别为0.0024和0.0079, 最大值分别为0.1252和0.3004, 这在一定程度上说明各个公司的盈余管理程度存在显著差异。沟通关键审计事项虚拟变量KAM平均值为0.6179, 表明有大约60%的样本属于处理组。公司产权性质虚拟变量SEO的值为0.8113, 表示样本中有大约80%的国有企业, 原因是处理组中的A+H股公司大多都是国有企业, 因此在匹配样本时也相应匹配到了较多的国有企业。此外, 样本公司中沟通关键审计事项数目均值为2.2424, 中位数为2, 最小值为1, 最大值为5。
 
 
为了消除极端值对于研究结果稳健性的影响, 本文对连续型变量小于1%和大于99%分位数的数据进行了Winsorize处理。
 
 
进一步, 表4列示了样本各个公司沟通关键审计事项数目的分布情况, 可以看到, 数目为3条的公司最多, 达到了24家。而数目为4条和5条的公司, 分别只有3家和1家。
 
 
表5是本文主要变量之间的相关系数矩阵, 其中矩阵的上三角为spearman相关性分析结果, 下三角为pearson相关性分析结果, 由表5中结果可以看出, 各变量两两之间的相关性系数均小于0.6, 说明本研究各变量之间不存在严重的多重共线性问题。
 
 
表2 主要变量的定义和计算方法 导出到EXCEL
 
 
 
变量类型 变量名称 变量符号 具体定义 
 
被解释变量 
应计盈余管理 absDA 借鉴Dechow等[40]采用修正的截面Jones模型, 分行业、分年度计算可操纵性应计利润的绝对值 
 
真实盈余管理 absREM 借鉴Roychowdhury[41]的研究, 分行业、分年度分别计算操控性生产成本、操控性经营现金流量和操控性酌量费用, 进而得出真实盈余管理的总额 
 
解释变量 
沟通关键审计事项虚拟变量 KAM 若公司在2016年年度报告中沟通关键审计事项, KAM=1, 否则KAM=0 
 
年度虚拟变量 Year 当年份为政策实施之后年份, 即2016年时, Year=1;当年份为政策实施之前, 即2015年时, Year=0 
 
沟通关键审计事项数目 KAM_num 手工从沟通关键审计事项的年度报告中获取沟通关键审计事项数目 
 
控制变量 
财务杠杆 LEV 采用资产负债率衡量, 等于总负债除以总资产 
 
成长性 growth 采用营业收入增长率衡量, 等于当年营业收入与上年营业收入之差除以上年营业收入 
 
总资产自然对数 lnassets 公司总资产取自然对数 
 
净现金流量 FCF 等于经营活动产生的现金净流量除以资产总额 
 
董事会人数 lnboard_num 采用董事会人数自然对数衡量 
 
高管前三名薪酬总额 lnTMT3 采用高管前三名薪酬总额自然对数衡量 
 
独立董事比例 indep_per 等于独立董事人数除以董事会人数 
 
总资产净利率 ROA 等于净利润除以平均资产总额 
 
净资产 equity 净资产除以100000000 
 
净利润 netprofit 净利润除以100000000 
 
总资产周转率 TAT 等于营业收入除以平均资产总额 
 
财务费用率 FER 等于财务费用除以营业收入 
 
行业虚拟变量 industry 按照证监会行业分类标准设置行业虚拟变量 
 
  
 
 
 
表3 主要变量的描述性统计 导出到EXCEL
 
 
 
variable mean p50 min max sd N 
 
absDA 0.0362 0.0297 0.0024 0.1252 0.0307 212 
 
absREM 0.0813 0.0569 0.0079 0.3004 0.0723 207 
 
KAM 0.6179 1 0 1 0.4870 212 
 
SOE 0.8113 1 0 1 0.3922 212 
 
LEV 0.5591 0.5809 0.2241 0.8295 0.1772 212 
 
growth 0.0384 0.0295 -0.2320 0.5877 0.1887 212 
 
FCF 0.0603 0.0586 -0.0997 0.2299 0.0494 212 
 
board_num 9.5472 9 7 15 2.0148 212 
 
lnTMT3 14.7692 14.6827 13.4225 16.1835 0.7033 212 
 
indep_per 0.3828 0.3693 0.2308 0.6250 0.0576 212 
 
ROA 0.0324 0.0245 -0.0347 0.1428 0.0368 212 
 
lnassets 24.5682 24.8760 20.9275 26.8954 1.6208 212 
 
top1 0.4145 0.4114 0.1706 0.7306 0.1519 212 
 
FCFEA 0.0177 0.0225 -0.4614 0.3373 0.0923 212 
 
KAM_num 2.2424 2 1 5 0.9456 66 
 
  
 
 
 
表4 沟通关键审计事项数目分布情况 导出到EXCEL
 
 
 
 
KAM_num N 
 
1 17 
 
2 21 
 
3 24 
 
4 3 
 
5 1 
 
Total 66 
 
  
 
 
(二) 沟通关键审计事项对盈余管理程度影响的回归结果分析
 
 
由表6可知, 回归 (1) 中, 当被解释变量为应计盈余管理时交乘项系数为-0.0162, 在5%的水平下显著;而回归 (2) 中, 当被解释变量为真实盈余管理时, 交乘项系数为0.0020, 且不显著。这表明沟通关键审计事项对应计盈余管理有明显的抑制作用, 但是对真实盈余管理没有显著影响, 可能是由于真实盈余管理相对于应计盈余管理与企业正常经营活动较为相似, 审计师一般难以怀疑, 部分支持了本文的假设H1。
 
 
此外, 在回归 (1) 的控制变量结果中发现, 董事会人数、总资产收益率与应计盈余管理程度显著负相关;经营活动现金净流量、高管前三名薪酬总额与应计盈余管理程度显著正相关。与前人研究结论基本一致[42,43,44,45]。
 
 
表5 主要变量的相关系数矩阵 导出到EXCEL
 
 
 
 absDA absREM LEV growth FCF lnboard_num lnTMT3 indep_per ROA lnassets 
 
absDA 1 0.1533** 0.1783** -0.0499 0.1686** -0.0807 0.0251 0.0191 -0.0956 0.0997 
 
absREM 0.2452*** 1 -0.0392 0.0475 0.0149 0.0300 0.0028 -0.0906 0.0734 -0.1893*** 
 
LEV 0.1630** -0.1052 1 -0.0286 -0.1672** 0.0129 0.0711 0.1302* 0.4232*** 0.4969*** 
 
growth -0.0828 0.1230* -0.0160 1 0.0711 0.0207 0.2847*** 0.0258 0.3597*** -0.0086 
 
FCF 0.2494*** 0.0793 0.2215*** 0.0624 1 0.1776** 0.1453** 0.0134 0.4520*** 0.1195* 
 
lnboard_num -0.0793 0.0107 0.0323 0.0179 0.1932*** 1 0.1410** 0.4424*** 0.1053 0.0220 
 
lnTMT3 0.0568 0.0405 0.1048 0.2530*** 0.1385* 0.1307* 1 0.0476 0.3339*** 0.2505*** 
 
indep_per 0.0300 -0.1349* 0.2134*** 0.0108 -0.0152 -0.4389*** 0.0282 1 -0.0093 0.2736*** 
 
ROA -0.1144 0.2287*** 0.4927*** 0.2803*** 0.5031*** 0.0869 0.2835*** -0.0641 1 -0.0523 
 
lnassets 0.0385 -0.2512*** 0.5095*** 0.0051 0.0853 0.0693 0.2582*** 0.3173*** -0.0827 1 
 
  
 
注:矩阵的上三角为spearman相关系数, 下三角为pearson相关系数;***、**和*分别表示系数在1%、5%和10%的水平下显著。
 
 
表6 沟通关键审计事项对盈余管理程度的影响 导出到EXCEL
 
 
 
 
 
 (1)  (2)  
 
absDA absREM 
 
year 
0.0198*** -0.0086 
 
 (3.03)  (-0.45)  
 
KAM 
0.0088 0.0197 
 
 (1.42)  (1.07)  
 
year#KAM 
-0.0162** 0.0020 
 
 (-1.98)  (0.09)  
 
LEV 
0.0225 0.0618 
 
 (1.37)  (1.30)  
 
growth 
-0.0134 0.0362 
 
 (-1.22)  (1.13)  
 
FCF 
0.2431*** 0.1576 
 
 (5.02)  (1.12)  
 
lnboard_num 
-0.0247** -0.0017 
 
 (-1.99)  (-0.05)  
 
lnTMT3 
0.0081*** -0.0019 
 
 (2.72)  (-0.22)  
 
indep_per 
-0.0519 -0.0988 
 
 (-1.28)  (-0.85)  
 
ROA 
-0.2631*** 0.1862 
 
 (-3.76)  (0.92)  
 
lnassets 
-0.0020 -0.0153*** 
 
 (-1.12)  (-2.93)  
 
_cons 
-0.0039 0.4817*** 
 
 (-0.07)  (2.81)  
 
industry YES YES 
 
N 212 207 
 
r2_a 0.2009 0.0806 
 
F 3.4112*** 1.8210** 
 
  
 
注:括号内是t值, ***、**和*分别表示系数在1%、5%和10%的水平下显著;N为参与回归样本数量;r2_a是调整后的R平方;F值衡量模型整体显著性。
 
(三) 关键审计事项数目与应计盈余管理回归结果分析
 
 
由于沟通关键审计事项对真实盈余管理程度没有显著影响, 因此, 接下来本文用应计盈余管理程度与关键审计事项数目进行回归。表7列示的回归结果显示, KAM_num系数为-0.0134, 在5%的显著性水平下显著, 表明沟通关键审计事项数目与应计盈余管理程度呈显著负相关关系。即沟通关键审计事项数目越多, 上市公司应计盈余管理程度越低, 证明了假设H2。
 
 
表7 沟通关键审计事项数目对应计盈余管理的影响 导出到EXCEL
 
 
 
 
 
 (3)  
 
absDA 
 
KAM_num 
-0.0134** 
 
 (-2.63)  
 
LEV 
0.0405 
 
 (1.42)  
 
growth 
-0.0256 
 
 (-1.28)  
 
FCF 
0.3427*** 
 
 (3.93)  
 
lnboard_num 
0.0258 
 
 (1.15)  
 
lnTMT3 
0.0137** 
 
 (2.47)  
 
indep_per 
-0.0072 
 
 (-0.11)  
 
ROA 
-0.4721*** 
 
 (-4.21)  
 
lnassets 
-0.0036 
 
 (-1.02)  
 
_cons 
-0.1503 
 
 (-1.25)  
 
industry YES 
 
N 66 
 
r2_a 0.4837 
 
F 4.0443*** 
 
  
 
注:括号内是t值, ***、**和*分别表示系数在1%、5%和10%的水平下显著;N为参与回归样本数量;r2_a是调整后的R平方;F值衡量模型整体显著性。
 
(四) 沟通关键审计事项对盈余管理程度的影响机理分析
 
 
前述回归结果证明, 沟通关键审计事项显著降低了上市公司应计盈余管理程度, 并且在样本范围内, 沟通关键审计事项越多, 盈余管理程度越低。根据理论分析, 在年度报告中沟通关键审计事项使得上市公司治理层与审计师更多地关注年度报告披露信息, 并加强沟通交流。公司规模的差异也会导致公司内部控制作用效率的不同[46,47], 公司规模较大的公司一般较受市场关注, 此时其治理层与审计师收到的市场监督压力也较大[48]。并且此类公司融资约束一般较低, 相比公司规模较小的公司, 其管理层进行盈余管理操纵的动机较少[40]。据此, 本文构建一个虚拟变量SIZE, 当公司总资产低于行业年度中位数时, 取值为1, 否则取0。并提出本文假设H3:
 
 
H3:相比于规模较大的公司, 规模较小的公司在沟通关键审计事项后, 其盈余管理降低程度显著小于规模较大的公司。
 
 
回归结果如表8所示, 交乘项year#KAM#SIZE系数为0.0315, 在10%的显著性水平下为正。表明规模较小的公司, 在沟通关键审计事项后, 其盈余管理程度下降程度显著低于规模较大的公司。
 
五、稳健性检验
 
(一) 安慰剂检验
 
 
为了评估本文结果的稳健性, 需要解决的一个很重要问题是, 本文的结果是否完全是由偶然造成的。即如果选择别的年份而不是2015-2016年进行PSM-DID检验, 是否也会得到相同的结果?为了解决这个问题, 本文使用安慰剂检验。与Abadie等[49,50]的研究类似, 根据安慰剂检验的思路, 将PSM-DID方法应用于未实施新审计准则的2013-2014年以及2014-2015年。如果安慰剂检验的结果与2015-2016年的结果相似, 即交乘项系数显著为负, 说明本文结论并不能为沟通关键审计事项可以降低上市公司应计盈余管理程度提供证据。如果安慰剂检验结果显示交乘项系数并不显著, 则说明本文的研究结论是稳健的。
 
 
具体思路是, 通过反复应用PSM-DID方法来评估每一个年份样本组合结果的显著性。也就是说, 在2013-2014年的数据中, 假定处理组公司在2014年年度报告中沟通了关键审计事项;在2014-2015年数据中, 假定处理组公司在2015年年度报告中沟通了关键审计事项。然后计算每个样本组的估计结果。
 
 
表9是安慰剂检验估计结果, 回归 (5) 是用2014-2015年的数据进行PSM-DID方法检验的结果, 回归 (6) 则是用2013-2014年数据进行PSM-DID方法检验的结果。结果显示, 两个样本组回归结果的交乘项系数均不显著, 即通过了安慰剂检验, 证明本文结论一定程度上是稳健的。
 
 
表8 考虑公司规模的沟通关键审计 事项对应计盈余管理的影响 导出到EXCEL
 
 
 
 
 
 (4)  
 
absDACC 
 
year#KAM#SIZE 
0.0315* 
 
 (1.86)  
 
year 
0.0309*** 
 
 (2.98)  
 
KAM 
0.0092 
 
 (1.00)  
 
SIZE 
-0.0010 
 
 (-0.08)  
 
year#KAM 
-0.0330*** 
 
 (-2.67)  
 
year#SIZE 
-0.0191 
 
 (-1.43)  
 
KAM#SIZE 
-0.0012 
 
 (-0.10)  
 
LEV 
0.0232 
 
 (1.41)  
 
growth 
-0.0095 
 
 (-0.86)  
 
FCF 
0.2531*** 
 
 (5.20)  
 
lnboard_num 
-0.0254** 
 
 (-2.05)  
 
lnTMT3 
0.0082*** 
 
 (2.72)  
 
indep_per 
-0.0481 
 
 (-1.18)  
 
ROA 
-0.2840*** 
 
 (-3.96)  
 
lnassets 
-0.0026 
 
 (-1.05)  
 
_cons 
0.0110 
 
 (0.14)  
 
industry YES 
 
N 212 
 
r2_a 0.2099 
 
F 3.1560*** 
 
  
 
注:括号内是t值, ***、**和*分别表示系数在1%、5%和10%的水平下显著;N为参与回归样本数量;r2_a是调整后的R平方;F值衡量模型整体显著性。
 
 
表9 沟通关键审计事项对应计盈余 管理影响的安慰剂检验 导出到EXCEL
 
 
 
 
 
 (5)  (6)  
 
absDA (2014-2015)  absDA (2013-2014)  
 
year 
-0.0067 0.0012 
 
 (-1.12)  (0.21)  
 
KAM 
0.0039 0.0070 
 
 (0.69)  (1.24)  
 
year#KAM 
0.0040 -0.0011 
 
 (0.54)  (-0.15)  
 
LEV 
0.0217 0.0172 
 
 (1.46)  (1.23)  
 
growth 
-0.0035 -0.0161 
 
 (-0.29)  (-1.35)  
 
FCF 
0.1910*** 0.1611*** 
 
 (4.28)  (3.51)  
 
lnboard_num 
-0.0087 0.0038 
 
 (-0.78)  (0.37)  
 
lnTMT3 
0.0060** 0.0013 
 
 (2.16)  (0.40)  
 
indep_per 
-0.0383 -0.0611 
 
 (-0.98)  (-1.63)  
 
ROA 
-0.1902*** -0.0961 
 
 (-2.65)  (-1.38)  
 
lnassets 
-0.0019 -0.0032* 
 
 (-1.13)  (-1.88)  
 
_cons 
0.0002 0.0903* 
 
 (0.00)  (1.92)  
 
industry YES YES 
 
N 208 206 
 
r2_a 0.1110 0.1023 
 
F 2.1753*** 2.0620*** 
 
  
 
注:括号内是t值, ***、**和*分别表示系数在1%、5%和10%的水平下显著;N为参与回归样本数量;r2_a是调整后的R平方;F值衡量模型整体显著性。
 
(二) 扩大样本量的回归
 
 
之前的回归采用2015年和2016年处理组和控制组数据进行PSM-DID分析, 为了保证结果的稳健性, 本文在回归 (1) 、回归 (2) 的基础上进一步扩大样本量进行回归。具体来说, 是将样本中的处理组和控制组数据扩展到2014年和2013年。回归结果如表10, 回归 (7) 是加入2014年数据的结果, 也就是当年份为2014年或2015年时, year=0, 年份为2016年时, year=1。回归 (8) 在回归 (7) 样本的基础上又加入了2013年的数据, 也就是当年份为2013年、2014年和2015年其中之一时, year=0, 年份为2016年时, year=1。
 
 
从表10中可以看到, 不论是加入2014年数据还是进一步加入2013年数据, 交乘项系数都在5%的水平下显著为负, 说明沟通关键审计事项降低了上市公司应计盈余管理程度, 与上文结论基本一致。
 
 
表10 加入2013年、2014年样本数据的进一步回归 导出到EXCEL
 
 
 
 
 
 (7)  (8)  
 
absDA absDA 
 
year 
0.0165*** 0.0166*** 
 
 (3.07)  (3.36)  
 
KAM 
0.0058 0.0067* 
 
 (1.35)  (1.92)  
 
year#KAM 
-0.0139** -0.0136** 
 
 (-2.05)  (-2.19)  
 
LEV 
0.0282** 0.0257** 
 
 (2.28)  (2.45)  
 
growth 
-0.0128 -0.0132* 
 
 (-1.41)  (-1.70)  
 
FCF 
0.2439*** 0.2014*** 
 
 (6.43)  (6.18)  
 
lnboard_num 
-0.0143 -0.0076 
 
 (-1.52)  (-0.97)  
 
lnTMT3 
0.0074*** 0.0049** 
 
 (3.07)  (2.32)  
 
indep_per 
-0.0396 -0.0451* 
 
 (-1.22)  (-1.68)  
 
ROA 
-0.2253*** -0.1488*** 
 
 (-3.98)  (-3.13)  
 
lnassets 
-0.0032** -0.0034*** 
 
 (-2.32)  (-2.90)  
 
_cons 
0.0169 0.0516 
 
 (0.39)  (1.43)  
 
industry YES YES 
 
N 315 418 
 
r2_a 0.1981 0.1572 
 
F 4.5249*** 4.5366*** 
 
  
 
注:括号内是t值, ***、**和*分别表示系数在1%、5%和10%的水平下显著;N为参与回归样本数量;r2_a是调整后的R平方;F值衡量模型整体显著性。
 
(三) 考虑关键审计事项数目虚拟变量的稳健性检验
 
 
上文采用沟通关键审计事项数目与应计盈余管理程度进行回归, 为保证结论的稳健性, 本文进一步采用沟通关键审计事项数目多少的虚拟变量进行稳健性检验。设定虚拟变量KAMdul, 当样本公司沟通的关键审计事项数目大于平均值时, 令KAMdul=1;当样本公司沟通的关键审计事项数目小于平均值时, 令KAMdul=0。
 
 
表11呈现了沟通关键审计事项数目虚拟变量的回归结果, KAMdul的系数为-0.0266, 在1%的水平下显著, 表明相比于沟通关键审计事项数目小于样本平均值的公司, 沟通关键审计事项数目大于样本平均值的公司的应计盈余管理程度较低。采用均值分类的虚拟变量回归与上文回归结果基本一致, 结论具有一定稳健性。
 
 
表11 采用沟通关键审计事项虚拟变量的回归 导出到EXCEL
 
 
 
 
 
 (9)  
 
absDA 
 
KAMdul 
-0.0266*** 
 
 (-2.76)  
 
LEV 
0.0429 
 
 (1.50)  
 
growth 
-0.0272 
 
 (-1.37)  
 
FCF 
0.3315*** 
 
 (3.82)  
 
lnboard_num 
0.0333 
 
 (1.45)  
 
lnTMT3 
0.0122** 
 
 (2.29)  
 
indep_per 
0.0098 
 
 (0.15)  
 
ROA 
-0.4491*** 
 
 (-4.11)  
 
lnassets 
-0.0036 
 
 (-1.05)  
 
_cons 
-0.1701 
 
 (-1.40)  
 
industry YES 
 
N 66 
 
r2_a 0.4902 
 
F 4.1255*** 
 
  
 
注:括号内是t值, ***、**和*分别表示系数在1%、5%和10%的水平下显著;N为参与回归样本数量;r2_a是调整后的R平方;F值衡量模型整体显著性。
 
(四) 考虑审计意见的稳健性检验
 
 
上文中并没有在回归中控制审计意见的影响, 主要原因是因为处理组所有公司审计报告中均出具的是标准无保留意见, 在控制组中只有一家公司在2016年被出具了保留意见。因此, 为了检验结论的稳健性, 删去这个样本重新对假设H1进行检验, 回归结果如表12, 交乘项系数为-0.0162, 在10%水平下显著为负, 与上文结果基本一致。
 
 
表12 考虑审计意见的稳健性检验 导出到EXCEL
 
 
 
 
 
 (10)  
 
absDA 
 
year 
0.0197*** 
 
 (3.00)  
 
KAM 
0.0088 
 
 (1.41)  
 
year#KAM 
-0.0162* 
 
 (-1.96)  
 
LEV 
0.0225 
 
 (1.37)  
 
growth 
-0.0133 
 
 (-1.21)  
 
FCF 
0.2430*** 
 
 (5.00)  
 
lnboard_num 
-0.0247* 
 
 (-1.97)  
 
lnTMT3 
0.0081*** 
 
 (2.71)  
 
indep_per 
-0.0521 
 
 (-1.28)  
 
ROA 
-0.2627*** 
 
 (-3.72)  
 
lnassets 
-0.0020 
 
 (-1.11)  
 
_cons 
-0.0039 
 
 (-0.07)  
 
industry YES 
 
N 211 
 
r2_a 0.1968 
 
F 3.3395*** 
 
  
 
注:括号内是t值, ***、**和*分别表示系数在1%、5%和10%的水平下显著;N为参与回归样本数量;r2_a是调整后的R平方;F值衡量模型整体显著性。
 
(五) 剔除自愿沟通关键审计事项的A股上市公司后的稳健性检验
 
 
本文处理组样本中, 含有3家自愿沟通关键审计事项的A股上市公司。自愿执行《1504号准则》的公司可能存在自选择问题, 比如公司的治理层和审计师预估其年度报告信息质量较高、盈余质量较好, 因此才选择沟通关键审计事项。为了排除这3家自愿沟通关键审计事项的公司对结论的影响, 剔除掉这些公司, 重新进行实证检验, 表13为假设H1的回归结果, 表14为假设H2的回归结果, 与上文结果基本一致。
 
 
表13 剔除自愿沟通关键审计事项 公司后的假设H1回归结果 导出到EXCEL
 
 
 
 
 
 (11)  
 
absDA 
 
year 
0.0202*** 
 
 (3.11)  
 
KAM 
0.0093 
 
 (1.47)  
 
year#KAM 
-0.0168** 
 
 (-2.05)  
 
LEV 
0.0208 
 
 (1.27)  
 
growth 
-0.0146 
 
 (-1.32)  
 
FCF 
0.2130*** 
 
 (4.27)  
 
lnboard_num 
-0.0228* 
 
 (-1.79)  
 
lnTMT3 
0.0075** 
 
 (2.49)  
 
indep_per 
-0.0452 
 
 (-1.11)  
 
ROA 
-0.2482*** 
 
 (-3.49)  
 
lnassets 
-0.0018 
 
 (-0.97)  
 
_cons 
-0.0042 
 
 (-0.07)  
 
industry YES 
 
N 206 
 
r2_a 0.1765 
 
F 2.9973*** 
 
  
 
注:括号内是t值, ***、**和*分别表示系数在1%、5%和10%的水平下显著;N为参与回归样本数量;r2_a是调整后的R平方;F值衡量模型整体显著性。
 
 
表14 剔除自愿沟通关键审计事项 公司后的假设H2回归结果 导出到EXCEL
 
 
 
 
 
 (12)  
 
absDA 
 
KAM_num 
-0.0128** 
 
 (-2.57)  
 
LEV 
0.0386 
 
 (1.39)  
 
growth 
-0.0308 
 
 (-1.57)  
 
FCF 
0.2570*** 
 
 (2.78)  
 
lnboard_num 
0.0300 
 
 (1.36)  
 
lnTMT3 
0.0116** 
 
 (2.11)  
 
indep_per 
0.0095 
 
 (0.15)  
 
ROA 
-0.4184*** 
 
 (-3.76)  
 
lnassets 
-0.0031 
 
 (-0.90)  
 
_cons 
-0.1407 
 
 (-1.19)  
 
industry YES 
 
N 63 
 
r2_a 0.4644 
 
F 3.8290*** 
 
  
 
注:括号内是t值, ***、**和*分别表示系数在1%、5%和10%的水平下显著;N为参与回归样本数量;r2_a是调整后的R平方;F值衡量模型整体显著性。
 
(六) 改变应计盈余管理计量方法的稳健性检验
 
 
上文采用修正的截面Jones模型计量应计盈余管理程度, 为保证结论的稳健性, 采用Jones[51]提出的基本Jones模型、陆建桥[52]提出的无形资产Jones模型以及Kothari等[53]提出的收益匹配Jones模型, 分别对上文中应计盈余管理的计量方法进行替换, 表15为假设H1回归结果, 其中, 回归 (13) 、回归 (14) 、回归 (15) 分别为采用基本Jones模型、无形资产Jones模型和收益匹配Jones模型计量应计盈余管理的回归结果, 与上文结果基本一致。
 
 
表15 改变应计盈余管理计量方法的假设H1回归结果 导出到EXCEL
 
 
 
 
 
 (13)  (14)  (15)  
 
基本Jones
模型 无形资产
Jones模型 收益匹配
Jones模型 
 
year 
0.0219*** 0.0197*** 0.0217*** 
 
 (3.42)  (3.04)  (3.38)  
 
KAM 
0.0107* 0.0081 0.0115* 
 
 (1.74)  (1.30)  (1.88)  
 
year#KAM 
-0.0187** -0.0156* -0.0191** 
 
 (-2.32)  (-1.91)  (-2.38)  
 
LEV 
0.0253 0.0257 0.0290* 
 
 (1.57)  (1.56)  (1.79)  
 
growth 
-0.0106 -0.0117 -0.0080 
 
 (-0.98)  (-1.07)  (-0.74)  
 
FCF 
0.2146*** 0.2379*** 0.2170*** 
 
 (4.50)  (4.92)  (4.55)  
 
lnboard_num 
-0.0215* -0.0263** -0.0207* 
 
 (-1.76)  (-2.12)  (-1.69)  
 
lnTMT3 
0.0075** 0.0086*** 0.0071** 
 
 (2.54)  (2.87)  (2.43)  
 
indep_per 
-0.0508 -0.0561 -0.0492 
 
 (-1.27)  (-1.39)  (-1.23)  
 
ROA 
-0.2051*** -0.2610*** -0.1949*** 
 
 (-2.98)  (-3.74)  (-2.83)  
 
lnassets 
-0.0023 -0.0018 -0.0025 
 
 (-1.31)  (-1.00)  (-1.41)  
 
_cons 
0.0061 -0.0099 0.0102 
 
 (0.10)  (-0.17)  (0.18)  
 
industry YES YES YES 
 
N 212 212 212 
 
r2_a 0.1770 0.2088 0.1735 
 
F 3.0631*** 3.5305*** 3.0139*** 
 
  
 
注:括号内是t值, ***、**和*分别表示系数在1%、5%和10%的水平下显著;N为参与回归样本数量;r2_a是调整后的R平方;F值衡量模型整体显著性。
 
 
表16为假设H2的回归结果, 其中, 回归 (16) 、回归 (17) 、回归 (18) 分别为采用基本Jones模型、无形资产Jones模型和收益匹配Jones模型计量应计盈余管理的回归结果, 与上文结果基本一致。
 
六、研究结论与启示
 
 
本文运用PSM-DID方法, 通过来自沪深两市A股上市公司的样本数据, 解决了《1504号准则》执行首年沟通关键审计事项是否以及怎样影响上市公司盈余管理水平的问题。通过考虑应计盈余管理和真实盈余管理两个被解释变量, 利用新政策的阶段性实施所创造的准自然实验对政策效果进行检验。实证结果发现, 一方面, 沟通关键审计事项使得上市公司应计盈余管理程度降低;另一方面, 对真实盈余管理则没有显著影响。这可能是因为相比应计盈余管理, 真实盈余管理和企业正常生产经营活动不易区分开, 有较强的隐蔽性, 极少引起注册会计师的关注。进一步地, 本文研究了沟通关键审计事项数目对应计盈余管理程度的影响, 实证结果表明, 沟通关键审计事项数目越多的公司, 其应计盈余管理程度较低。此外, 本文还发现规模较小的公司, 沟通关键审计事项后其盈余管理程度下降程度显著低于规模较大的公司。本文的不足之处在于先行实施新审计准则的公司数量有限, 且年限只有一年, 一定程度上影响了结论的效度。
 
 
表16 改变应计盈余管理计量方法的假设H2回归结果 导出到EXCEL
 
 
 
 
 
 (16)  (17)  (18)  
 
基本Jones
模型 无形资产
Jones模型 收益匹配
Jones模型 
 
KAM_num 
-0.0110** -0.0132** -0.0109** 
 
 (-2.24)  (-2.66)  (-2.22)  
 
LEV 
0.0529* 0.0371 0.0620** 
 
 (1.94)  (1.34)  (2.26)  
 
growth 
-0.0266 -0.0206 -0.0161 
 
 (-1.39)  (-1.06)  (-0.84)  
 
FCF 
0.3077*** 0.3630*** 0.3049*** 
 
 (3.69)  (4.29)  (3.64)  
 
lnboard_num 
0.0384* 0.0229 0.0396* 
 
 (1.78)  (1.05)  (1.83)  
 
lnTMT3 
0.0109** 0.0152*** 0.0101* 
 
 (2.06)  (2.82)  (1.89)  
 
indep_per 
-0.0136 -0.0180 -0.0078 
 
 (-0.22)  (-0.29)  (-0.12)  
 
ROA 
-0.3656*** -0.5208*** -0.3506*** 
 
 (-3.41)  (-4.80)  (-3.26)  
 
lnassets 
-0.0055 -0.0029 -0.0062* 
 
 (-1.63)  (-0.84)  (-1.83)  
 
_cons 
-0.0924 -0.1815 -0.0759 
 
 (-0.80)  (-1.56)  (-0.66)  
 
industry YES YES YES 
 
N 66 66 66 
 
r2_a 0.4705 0.5327 0.4462 
 
F 3.8884*** 4.7053*** 3.6186*** 
 
  
 
注:括号内是t值, ***、**和*分别表示系数在1%、5%和10%的水平下显著;N为参与回归样本数量;r2_a是调整后的R平方;F值衡量模型整体显著性。
 
 
总的来说, 本文为新审计准则的实施效果提供了经验证据。结论表明新审计准则的首次实施降低了上市公司应计盈余管理程度, 提高了盈余质量, 也提高了审计报告的决策有用性。相关监管部门应做好监督管理工作, 落实好新审计准则的全面实施, 避免沟通关键审计事项流于形式, 成为空话、套话。同时对上市公司和会计师事务所做好指导和沟通, 使得新审计准则切实提升我国审计报告沟通价值。
 


畅志文化期刊网,一个专业的论文发表,期刊发表,著作出版,课题等评职称相关平台。

文章名称:在审计报告中沟通关键审计事项是否提高了盈余质量?

文章地址:www.cqpc.cq.cn/lunwenjianshang/_yi_/941.html

内容来自网络-如有侵权,请告知删之

上一篇:环杭州湾大湾区中心城市空间差异与协调度分析 下一篇:中国各省份科技企业孵化器运行效率评价

还有问题,免费咨询专业人员

没有问题了,我想发稿或出版

选择服务:

作者姓名: *

联系电话: *

留言备注: *

咨询部:

发表部:

在线客服

客服电话:17600057161

投稿邮箱:71712724@qq.com

QQ:71712724
QQ:71712724

咨询部:

发表部: