鮮文鐸　謝贊春

摘 要：審計(jì)師通過審計(jì)意見決策，為會(huì)計(jì)信息的可信度提供鑒證意見，從而緩解委托人與代理人之間的信息不對(duì)稱狀況、降低代理成本。審計(jì)師的意見決策是一個(gè)有序離散選擇過程。構(gòu)建一個(gè)貝葉斯有序Mixed Logit審計(jì)意見決策模型，應(yīng)用中國上市公司的實(shí)例數(shù)據(jù)，通過Gibbs抽樣及MCMC模擬對(duì)參數(shù)進(jìn)行貝葉斯估計(jì)，得到參數(shù)的后驗(yàn)統(tǒng)計(jì)量及置信區(qū)間，可對(duì)影響審計(jì)意見決策的各因素的作用效應(yīng)進(jìn)行系統(tǒng)分析。

關(guān)鍵詞：貝葉斯；有序離散選擇； Mixed Logit模型；審計(jì)意見

獨(dú)立審計(jì)在規(guī)范財(cái)務(wù)呈報(bào)、約束盈余管理、降低信息風(fēng)險(xiǎn)、減輕委托代理矛盾、保護(hù)投資者利益和維護(hù)資本市場的有效運(yùn)轉(zhuǎn)上都起著至關(guān)重要的作用。審計(jì)意見是審計(jì)工作的結(jié)果，它既反映了審計(jì)質(zhì)量，也是利益相關(guān)主體有效決策所依賴的重要信息來源之一。按照中國獨(dú)立審計(jì)準(zhǔn)則，審計(jì)師在意見決策時(shí)通常面臨五種意見類型供選擇，依照這些意見的負(fù)面程度可以分為四類——標(biāo)準(zhǔn)無保留意見，帶解釋說明段的無保留意見，保留意見，拒絕表示意見或否定意見①①從審計(jì)信息的使用者角度看，拒絕表示意見和否定意見通常視為負(fù)面程度最大的審計(jì)意見類型，因此，可以將二者劃分為一組。此外，否定意見類型在上中國上市公司中極少出現(xiàn)，從1990年到2010年，上市公司中總共出現(xiàn)過4份否定意見的年度審計(jì)報(bào)告（分別在1997、1998、1999、2000年），這意味著近十年中（含本文研究樣本期間）沒有出現(xiàn)過否定意見審計(jì)報(bào)告，故這種劃分實(shí)質(zhì)上也并不影響本文的研究結(jié)論。，這四類形成一個(gè)典型的有序分類變量，因此審計(jì)師的意見決策適用于有序離散選擇（Ordinal Discrete Choice）分析。

但是，在以往審計(jì)意見決策選擇模型的實(shí)證研究中，大多數(shù)研究對(duì)審計(jì)意見的分類采用的卻是二分法，沒有進(jìn)行多項(xiàng)有序地分類，如國外審計(jì)研究中常采用的“無保留意見/保留意見（Qualified Opinion）”、“非持續(xù)經(jīng)營不確定意見/持續(xù)經(jīng)營不確定意見（Going-concern Opinion）”，以及國內(nèi)審計(jì)研究中常采用的“標(biāo)準(zhǔn)無保留意見/非標(biāo)準(zhǔn)無保留意見（Modified Audit Opinion）”等分類方法。二分法下審計(jì)意見決策選擇模型適用的計(jì)量分析方法通常為二項(xiàng)Logit或二項(xiàng)Probit。例如，Carcello等（2000）、Lennox（2002）、蔡春等（2005）、李春濤等（2006）。[1] [2] [3] [4]這種分類方法固然簡便，但其不足之處是沒有考慮到非標(biāo)準(zhǔn)審計(jì)意見類型之間可信程度（Credibility）逐漸變化的差異。非標(biāo)準(zhǔn)審計(jì)意見類型并非并列和整齊劃一的，審計(jì)師在甄別非標(biāo)審計(jì)意見的過程中仍需耗費(fèi)大量的驗(yàn)證、鑒別、評(píng)估和判斷，不同意見類型與公司不同的內(nèi)外部環(huán)境、內(nèi)部控制、交易復(fù)雜程度、財(cái)務(wù)狀況等因素密切相關(guān)，審計(jì)師需進(jìn)行通盤地考慮、確定。因此，在中國審計(jì)市場上，將審計(jì)意見類型劃分為有序的四類可以更為細(xì)致地反映審計(jì)師的意見決策過程，由此建立的有序離散選擇模型可以更好地研究影響審計(jì)師意見決策的相關(guān)因素。最近，已經(jīng)有審計(jì)研究者采用有序離散選擇模型來研究中國審計(jì)意見決策相關(guān)問題，如Xie等（2010）、Chen等（2010）。[5] [6]

本文借鑒了以往學(xué)者對(duì)審計(jì)意見類型的有序劃分，但在研究方法上與傳統(tǒng)有序離散選擇模型顯著不同。傳統(tǒng)有序離散選擇模型的估計(jì)通常采用經(jīng)典統(tǒng)計(jì)下的極大似然估計(jì)法，而本文則從貝葉斯統(tǒng)計(jì)觀點(diǎn)出發(fā)，建立了有序貝葉斯Mixed Logit審計(jì)意見決策模型，并利用中國上市公司的樣本數(shù)據(jù)，運(yùn)用馬爾科夫鏈蒙特卡洛模擬方法對(duì)模型參數(shù)進(jìn)行貝葉斯估計(jì)，得到模型參數(shù)的后驗(yàn)統(tǒng)計(jì)量及置信區(qū)間，以此對(duì)影響審計(jì)意見決策的各因素的作用進(jìn)行了分析，并得出相關(guān)的結(jié)論。本文采用的研究方法不僅對(duì)于審計(jì)意見決策模型的研究而言具有一定的創(chuàng)新意義，而且通過引入貝葉斯有序Mixed Logit模型，對(duì)于促進(jìn)國內(nèi)經(jīng)濟(jì)與管理研究領(lǐng)域進(jìn)一步深化和拓展各種離散選擇行為的研究具有重要的借鑒意義。

一、貝葉斯Mixed Logit模型

離散選擇模型是以2000年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者Daniel McFadden教授為首的一批計(jì)量經(jīng)濟(jì)學(xué)家自20世紀(jì)70年代發(fā)展起來的①①M(fèi)cFadden為離散選擇決策模型奠定了堅(jiān)實(shí)的經(jīng)濟(jì)理論基礎(chǔ)，Heckman發(fā)展了動(dòng)態(tài)離散選擇分析，另外對(duì)離散選擇模型做出重要貢獻(xiàn)的還有Z.Griliches，L.L.Thurstone，J.Marschak，D.Luce，D.Kahneman，A.Tversky，M.Ben-Akiva，C.Manski和K.Train等人（聶沖和賈生華，2005）。。離散選擇模型在交通需求、教育及職業(yè)選擇、消費(fèi)者商品需求以及居住地點(diǎn)選擇等方面得到了廣泛的應(yīng)用。事實(shí)上，凡是存在個(gè)體或企業(yè)選擇行為的地方均可以應(yīng)用離散選擇模型。離散選擇模型的具體形式包括多項(xiàng)Logit（Multinomial Logit，MNL）、廣義極值（Generalized Extreme Value，GEV）和Probit等傳統(tǒng)模型以及近年來發(fā)展成熟起來的Mixed Logit模型。

盡管多項(xiàng)Logit模型是使用最早且應(yīng)用最為廣泛的離散選擇模型，但是它存在著三大局限性：個(gè)體選擇偏好具有同質(zhì)性、不相關(guān)備選方案之間具有獨(dú)立性（I.I.A）以及不可觀測因素在不同時(shí)間上是不相關(guān)性的；GEV模型可以解除上述第二個(gè)限制，而Probit模型可以解除上述三個(gè)限制，但是Probit模型只能用于不可觀測效用部分服從正態(tài)分布的情形，這樣大大限制了該模型的靈活性，因?yàn)樵谠S多實(shí)際問題中不可觀測效用并不滿足正態(tài)分布（如消費(fèi)者關(guān)于價(jià)格的效用）；Mixed Logit模型則具有高度的靈活性，它克服了傳統(tǒng)離散選擇模型的限制，并且可以在任何精度上趨近于任何一種基于隨機(jī)效用最大化理論基礎(chǔ)上的離散選擇模型。Mixed Logit模型正在許多研究領(lǐng)域中逐漸取代傳統(tǒng)的Logit模型，相關(guān)研究結(jié)果顯示Mixed Logit模型在模型的解釋力和預(yù)測績效方面較傳統(tǒng)模型有較大的改善。

二、審計(jì)意見決策貝葉斯有序Logit模型的構(gòu)建

假設(shè)審計(jì)師進(jìn)行審計(jì)意見決策時(shí)面臨的審計(jì)意見類型選擇集為Y，Y={1，2，3，4}，Y對(duì)應(yīng)的審計(jì)意見類型分別為：1=標(biāo)準(zhǔn)無保留意見；2=帶解釋說明段的無保留意見；3=保留意見；4=拒絕表示意見或否定意見，這四類審計(jì)意見的負(fù)面程度依次增加。根據(jù)有序Logit模型原理，首先建立如下的潛變量回歸模型：

為了使參數(shù)的估計(jì)更具有穩(wěn)健性，我們采用分層貝葉斯有序Logit模型，其先驗(yàn)分布是按兩個(gè)層次來確定的，當(dāng)先驗(yàn)分布的參數(shù)（即超參數(shù)）的取值難于直接確定時(shí)，可以對(duì)這些參數(shù)再給出一個(gè)先驗(yàn)分布（稱為超驗(yàn)分布），這樣既符合人們的認(rèn)識(shí)過程，也使得參數(shù)的估計(jì)更為穩(wěn)健。對(duì)于第一層先驗(yàn)分布，我們假設(shè)待估參數(shù)β服從多元正態(tài)分布，密度函數(shù)記為φβb，W，這里b、W為超參數(shù)，表示該正態(tài)分布的均值向量和協(xié)方差矩陣。對(duì)于第二層先驗(yàn)分布，我們假設(shè)超參數(shù)b、W服從發(fā)散的先驗(yàn)分布（Diffuse Priors），記b的分布密度函數(shù)為πb，W的分布密度函數(shù)為πW。假設(shè)b與W相互獨(dú)立。圖1表示了超驗(yàn)分布、先驗(yàn)分布和似然函數(shù)之間的關(guān)系。方框內(nèi)表示的是常數(shù)參數(shù)，橢圓內(nèi)表示的是隨機(jī)參數(shù)（或變量）。

五、結(jié)論

在資本市場中，審計(jì)師為會(huì)計(jì)信息的可信賴性（Credibility）提供鑒證性服務(wù)，從而在一定程度上降低了投資人與公司管理層之間的信息不對(duì)稱，進(jìn)而緩解二者之間的委托-代理沖突、降低代理成本。審計(jì)師的工作成果就是發(fā)表審計(jì)意見，因而研究審計(jì)意見影響因素的作用機(jī)理、構(gòu)建審計(jì)意見決策模型是審計(jì)研究中的重要領(lǐng)域。中國審計(jì)市場上，審計(jì)意見按負(fù)面程度可以分為逐漸遞增的四類，形成一個(gè)典型的有序分類變量，因此審計(jì)師的意見決策是一個(gè)有序離散選擇過程。有別于以往研究中采用的傳統(tǒng)有序離散選擇模型——通常采用經(jīng)典統(tǒng)計(jì)下的極大似然估計(jì)法，本文從貝葉斯統(tǒng)計(jì)的觀點(diǎn)出發(fā)，首次建立了一個(gè)基于貝葉斯估計(jì)的有序Mixed Logit審計(jì)意見決策模型，并以2005—2010年7284家A股上市公司為樣本，以上期審計(jì)意見類型、公司業(yè)務(wù)復(fù)雜程度、財(cái)務(wù)風(fēng)險(xiǎn)、資產(chǎn)營運(yùn)效率、資產(chǎn)收益狀況、規(guī)模、市場收益率和系統(tǒng)性風(fēng)險(xiǎn)等8個(gè)指標(biāo)為解釋變量，運(yùn)用馬爾科夫鏈蒙特卡洛模擬方法對(duì)模型參數(shù)進(jìn)行貝葉斯估計(jì)，得到模型參數(shù)的后驗(yàn)統(tǒng)計(jì)量及置信區(qū)間，以此對(duì)影響審計(jì)意見決策的各因素的作用效應(yīng)進(jìn)行了分析與討論，為理論研究與實(shí)際應(yīng)用提供借鑒。貝葉斯分析能將未知參數(shù)的先驗(yàn)信息與樣本信息進(jìn)行綜合，可以更充分合理地利用主觀先驗(yàn)信息并使參數(shù)估計(jì)結(jié)果更具穩(wěn)健性；相對(duì)于經(jīng)典統(tǒng)計(jì)下僅適用于大樣本條件下的極大似然估計(jì)法，貝葉斯估計(jì)法有著更寬松的條件，并且無論在小樣本還是大樣本下都具有良好的統(tǒng)計(jì)性質(zhì)，這使得貝葉斯方法在有限樣本利用方面具有優(yōu)勢；經(jīng)MCMC模擬，貝葉斯估計(jì)不僅可以審計(jì)意見決策模型參數(shù)估計(jì)值，還可以直觀地表示各參數(shù)的可信區(qū)間，相對(duì)于傳統(tǒng)的點(diǎn)估計(jì)更加實(shí)用?？傊?，運(yùn)用貝葉斯估計(jì)不僅為建立審計(jì)意見決策模型提供了新的思路，而且通過引入貝葉斯有序Mixed Logit模型，對(duì)于促進(jìn)國內(nèi)經(jīng)濟(jì)與管理研究領(lǐng)域進(jìn)一步深化各種離散選擇行為的研究也具有重要的借鑒意義。

參考文獻(xiàn)：

[1]Carcello，J.V.， Hermanson，D.R. and Huss，H.F. 2000. Going-concern opinions： The effects of partner compensation plans and client size[J].Auditing： A Journal of Practice & Theory 19： 64-81.

[2]Lennox， C.， 2000. Do companies successfully engage in opinion shopping？ [J].Evidence from the UK. Journal of Accounting and Economics 29： 321-337.

[3]蔡春，楊麟，陳曉媛.上市公司審計(jì)意見類型影響因素的實(shí)證分析[J].財(cái)經(jīng)科學(xué)，2005（1）.

[4]李春濤，宋敏，黃曼麗.審計(jì)意見的決定因素：來自中國上市公司的證據(jù) [J].中國會(huì)計(jì)評(píng)論，2006（2）.

[5]Xie，Z.C.， C.Cai and J.M. Ye. 2010. Abnormal Audit Fees and Audit Opinion： Further Evidence from China's Capital Market[J].China Journal of Accounting Research 3： 51-70.

[6]Chen，S.， S.Y.J.Sun and D.Wu. 2010. Client importance， institutional improvements， and audit quality in China： An office and individual auditor level analysis[J].The Accounting Review 85：127-158.

[7]McFadden，D.， and K.Train. 2000. Mixed MNL models for discrete response[J].Journal of Applied Econometrics 15： 447-470.

[8]Train， K. 2003. Discrete choice methods with simulation[M].Cambridge： University Press.138-149.

[9]Allenby，G. and P. Lenk. 1994. Modeling household purchase behavior with logistic normal regression[J].Journal of the American Statistical Association 89， 1218-1231.

[10]Allenby，G. 1997. An introduction to hierarchical Bayesian modeling. Tutorial Notes， Advanced Research Techniques Forum. American Marketing Association.

[11]Train， K. 2001. A comparison of hierarchical Bayes and maximum simulated likelihood for mixed logit， Working Paper， Department of Economics， University of California， Berkeley.

[12]Train，K.， and Sonnier，G. 2005. Applications of simulation methods in environmental and resource economics[J].The Economics of Non-Market Goods and Resources 6： 117-134.

[13]Burda，M.， Harding，M. and Hausman，J. 2008. A Bayesian mixed logit-probit model for multinomial choice[J].Journal of Econometrics 147：232-246.

[14]茆詩松，王靜龍，濮曉龍.高等數(shù)理統(tǒng)計(jì)[M].高等教育出版社，2006.

[15]Pardoe，L.， and Simonton， D. K. 2008. Applying discrete choice models to predict Academy Award winners[J].Journal of the Royal Statistical Society Series A 171：375-394.

[16]Regier，D.A.， M.，Ryan， E.，Phimister and Marrad， C.A.. 2009. Bayesian and classical estimation of mixed logit： An application to genetic testing[J].Journal of the Health Economics 28： 598-610.

責(zé)任編輯：蕭敏娜