［摘要］以行为经济学“前景理论”分析审计行为中存在的机会主义倾向对于审计意见的作用机制，采用深交所数据进行实证检验后发现，经营风险越小的上市公司越容易获得清洁的审计意见。原本应该反映上市公司财务信息质量的审计意见似乎成了财务业绩评价的标准，这说明审计行为中存在着机会主义倾向。在方法上引入行为经济学的基本理论可以拓展审计研究的思路，并在理论上进一步升华我们对于审计行为的认识。
　　［关键词］审计质量；机会主义倾向；行为经济学；前景理论；经营风险；审计师变更
　　　
　　一、 引言
　　审计质量的实证研究分为两个阶段。第一阶段发端于deangelo（迪安杰洛）等人相继提出的审计质量检验两步法，即先求出审计师有能力发现财务报告问题的概率，后求出审计师如实报告所发现问题的概率，再用二者的联合概率表示审计质量的高低［12］。此后，关于审计质量的实证研究不约而同地遵循了“审计师变更审计意见改善”的路径，也就是将公司企图购买审计意见的行为看做变更审计师的原因，进而成为评价审计质量的主要解释变量。遗憾的是，陆正飞等均没有发现显著的经验证据，理论和实务出现了第一次“脱线”［37］。在第二阶段，学者们开始对研究思路和方法进行反思。一方面，lennox（伦诺克斯）在方法上引入概率的思想，希望改良前人的研究思路。这在表面上似乎解决了估计方法的问题，但是理论上却仍然死守“审计师变更审计意见改善”的路子不放［8］。另一方面，krishnan（克里舍南）提出了审计质量研究的一种新思路，即“审计稳健审计师变更审计意见改善”。WWW.11665.cOm人们此时才开始将研究主体从公司拓展到审计行为本身，并开始关注审计行为特征对审计意见质量的影响［9］。令人惋惜的是，克里舍南的研究并没有进一步深入分析审计行为对审计意见的作用机制，他还是认为公司更换审计师的原因是公司希望遇上一个不那么稳健的审计师。以上思路会面对这样的矛盾：后一任审计师在面对前一任保守的审计意见时可能更加稳健，公司应该频繁地更换审计师，直到结果满意为止。但是这种情况在现实中并不常见，于是我们就陷入了一个理论无法解释现象的矛盾之中，理论和实务出现了第二次“脱线”。国内学者也开始涉及以上问题。吴联生和刘慧龙对国内审计实证研究进行了一次批判性的回顾，其中就审计师变更与审计意见改善在统计上不显著的原因提出了质疑，他们认为审计师变更的原因是不确定的［10］。
　　鉴于此，无论是“概率说”还是“稳健说”，都关注公司行为对审计稳健行为的反应，却没有进一步探讨审计行为本身，这导致理论与实务的两次“脱线”。为什么我们没有进一步研究审计行为本身呢？这是一个值得探讨的问题。我们认为以往的研究都忽略了审计行为对审计意见影响机制的分析，从而不能在审计行为和审计意见之间理出一条清晰的思路，进而不能对审计质量做出全面的评价，这导致理论和实务的脱节。本文力图解决一个长期被我们忽视的问题：市场中的审计行为对审计意见有什么影响？我们从一个崭新的视角出发，采用行为经济学的主要理论成果——“前景理论”，就审计行为对审计意见的影响机制进行探讨，以期在方法上拓展审计研究的思路，在理论上深化我们对审计行为的认识。
　　本文的研究结论表明，审计行为中存在机会主义倾向，经营风险较高的上市公司往往被出具保守的审计意见，经营风险较低的上市公司则更可能获得清洁的审计意见。本文的第二部分将分析审计行为对审计意见影响的作用机制，第三、四部分将进行研究设计和实证检验，第五部分将就本文的研究结论做一些探讨。
　　二、 机会主义倾向与审计意见的关系分析
　　以往的审计研究文献或多或少地受到新古典经济学“理性经济人”假说的影响，人们追求绝对财富的原动力是相对财富的差异。针对这一问题，tversky（特韦尔斯基）等在总结经验数据的基础之上，开创性地提出了“前景理论”和新的价值函数，提出了关于一个人效用的衡量不是“最终财富”的多少，而是“财富变化的多少”的观点［11］。
　　借鉴“前景理论”的基本观点，在分析投资者行为时，我们从成本视角（包括审计行为中的风险规避和投资者诉讼两个方面）入手，引入投资者作为“有限理性人”的效用函数：
　　u（x1,p;x2,q）=π(p)·v(x1)+π(q)·v(x2)（1）
　　u(x1,p;x2,q)=p·v(x1)+q·v(x2)（2）
　　为了对比，（2）式代表传统的不确定条件下的效用函数。（1）式这一效用函数的主要特点是纳入了投资者的“认知偏差”，即确定效应、镜像效应和隔离效应确定效应是指收益确定时，人们会高估其价值；镜像效应是指在正的收益时，人们呈现风险厌恶，在负的收益时，人们表现为风险偏好；隔离效应是指人们在多阶段处理问题的时候，往往忽略了前一阶段的影响，即条件概率失效。。假定在初始状态下，xi表示收益，-xi表示损失，v(0)=0，π(0)=0，π(1)=1，p+q=1。其中，v(xi)表示投资者的价值函数，π(p)表示权重函数。纳入“认知偏差”的投资者效用函数主要有两点新的变化。
　　第一，在传统效用函数中引入了权重函数π(p)，这使得投资者会低估不确定事件的价值，高估确定事件的价值。
　　第二，投资者的价值函数发生了变化。在纳入投资者的认知偏差后，投资者的价值取向不再是“单域”的，而是呈现“双域”的，如下页图1所示。当股市出现“熊市”时，投资者面临投资损失，此时的效用函数是凸的，即投资者有比较强的风险偏好，愿意投资那些经营风险大的公司；当股市出现“牛市”的时候，效用函数是凹的，即投资者抱有风险厌恶的态度，希望“稳中求胜”。这两点看似矛盾，其实反映了权变的思想，当环境条件发生变化时，人们往往会改变原来的偏好取向。实际投资决策中，投资者处于良好的投资环境时，投资反而显得很谨慎，并力求收益的实现；但是，当投资者已经面临损失时，他反而会冒险一搏，投资高风险的公司。也就是说，当面临损失时，价值函数呈现比较陡峭的曲线趋势，人们对损失的变化也更为敏感。
　　我们将上市公司的经营风险分为高（h）和低（l）两种情况，并假设两种情况等概率出现。为避免歧义，我们用高（h）经营风险表示公司价值的降低，用低（l）经营风险表示公司价值的上升。投资者的决策只有两种：投资（y）和不投资（n）。审计意见分为清洁意见（c）和非清洁意见（u），清洁审计意见表示标准无保留审计意见，其他所有类型的审计意见归为非清洁审计意见。其中，投资者遭受损失的成本为δv，审计的诉讼成本为δv。
　　图1投资者价值函数
　　由此可以得出投资者和审计意见之间存在一个2×4的得益矩阵，如图2所示，l和h作为下标分别表示低经营风险和高经营风险的情况，a代表审计师，t代表投资者，c表示清洁的审计意见，u表示非清洁的审计意见，y表示投资者实施了投资行为，n表示投资者没有实施投资行为。a、b、c、d表示投资者在不同的风险和审计意见下的得益情况。其中，al表示出具了清洁意见，而投资者也做出了投资该公司的决策，此后公司价值确实上升，投资者获得收益，以此类推其他得益的经济含义。在8种得益中，我们需要关注的其实不是所有的得益，而是投资者可能起诉的情况。经过分析，我们可以发现al、bl、ch和dh表示无论审计意见如何，投资者都做出了正确的决策，没有遭受损失，投资者起诉的概率是比较小的。cl和bh表示投资者做出了错误的决策，导致了损失或者没有获得预期的收益，但是投资者很难提起诉讼这可以理解为审计师出具了清洁意见，说明公司至少在财务报告信息质量上没有问题，投资者如果不去投资，公司的股价又上升了，投资者当然无法归罪于审计师；同样的，审计师出具了非清洁意见，说明公司至少在财务报告信息上是有问题的，投资者需要谨慎，投资者如果还是要投资，也无法归罪于审计师。。最后，dl和ah表示投资者有机会就自己的投资损失提起诉讼，因为ah表明出具了清洁意见，投资者进行了投资，但是倘若公司未来的实际业绩呈现下降趋势，投资者就会遭受实际财富减少的损失；而dl表示当公司被出具非清洁审计意见后，倘若公司未来业绩上升，投资者会因为没有投资而没有得到更多的财富。由此可见，无论是dl还是ah的情况，投资者都可以就此发难，审计师就会面对相应的诉讼成本δv（审计风险）

　　图2得益矩阵
　　我们再比较dl和ah的大小。根据图1所示的投资者效用函数，同样增量的损失带来的效用降低会远远大于收益的减少，因此遭受损失的投资者更可能提起诉讼。那么，根据“前景理论”，前者的效用减少远远大于后者。如图1所示，当δx相同时，显然δv2大于δv1，并且投资者的损失必然需要进行补偿，因此审计师需要承担诉讼成本δvi，但是δvi与δvi一般不相等，δvi大于δvi。投资者的损失并不全由审计师独自承担，二者应该是正比例关系，因而δv2>δv1。显然，审计师不愿意承担这样的诉讼成本，审计行为中必然体现为：对高经营风险的公司出具非清洁意见，对低经营风险的公司出具清洁意见。根据以上分析，我们提出本文的基本假设：在其他条件相同的情况下，经营风险越小的公司越有可能被出具清洁的审计意见。
　　三、 样本筛选与实证研究设计
　　本文的观测样本为深交所a股上市公司，时间的选取为1999年至2006年。观测样本来自北京大学中国经济研究中心数据库（ccer），我们对样本进行了再筛选：剔除了数据不全的观测值，例如公司行业类型未分类、最终控制人类型未分类、会计师事务所未分类等；剔除了当年交易状态异常的公司，例如st、pt的公司；剔除了相关财务指标异常的观测值，例如速动比例、总资产周转率小于0等；剔除了金融保险业的观测值。最终，我们筛选出3386个观测值。
　　（一） 样本行业特征
　　我们将所有样本按照1998年《中国上市公司分类指引》中的产业进行分类。从表1可以看出，被出具清洁审计意见比例最大的产业是采掘业，被出具清洁审计意见比例最小的产业是综合类产业，极值相差12个百分点。采掘业主要经营的是石油、矿石和煤炭等矿产资源，近年来由于此类资源的供求不均衡，这些企业的销售业绩呈现飙升的趋势，这说明清洁审计意见可能偏爱此类业绩好的企业。我们进一步发现样本中的采掘业全部是国有企业，清洁审计意见比例位列第二的水电煤产业也全是国有企业，由此可见国有上市公司被出具清洁审计意见的可能性较大。
　　（二） 经营风险的衡量与自变量设计
　　阿伦斯和洛贝克对于经营风险的定义：“企业由于经济或营业条件，如经济萧条、决策失误或同行业之间意想不到的竞争等，而无力归还借款或无法达到投资人期望的风险。”［12］秦荣生也指出，企业的经营风险与企业的持续经营基本假设存在密切的关系［13］。可见，经营风险可以理解为企业将面临存量或流量破产的风险，无法满足会计的持续经营假设，而制度变迁、行业风险等经营风险都可以最终归结为企业持续经营能力的减弱。公司经营风险可以划分为市场的系统风险和公司自身的经营风险，前者是系统风险，后者是公司偶然风险。本文主要考察审计对公司自身经营风险与审计失败之间的权衡，我们主要以公司自身的经营风险作为研究的自变量。公司自身的经营风险一般可以将“会计持续经营”假设作为前提条件，即在持续经营假设下，倘若公司出现资不抵债或者现金流无法维系的问题，公司无法持续经营下去，这说明公司存在严重的经营风险。进一步而言，公司持续经营能力主要体现为公司的盈利能力、偿债能力和营运能力：盈利能力体现投资者的资产保值增值情况，利润很低甚至为负的公司在竞争激烈的市场中必然面临被淘汰的危险；偿债能力主要体现债权人的权益，如果公司资不抵债，公司实际上便存在结构性破产的风险；营运能力是公司经营效率的体现，良好的经营效率往往可以抵消盈利能力弱、偿债能力不足的风险。上述能力可以通过公司的财务指标进行反映，也就是说倘若上市公司的财务指标显示该公司具有良好的盈利能力、偿债能力和营运能力，就说明该上市公司具有较好的持续经营能力，从而公司的经营风险较小。同时，为了控制系统风险的影响，我们引入时间和行业作为固定效应控制变量。
　　借鉴国内外相关研究，本文以财务指标作为经营风险的替代变量，从基本的盈利能力、偿债能力和营运能力三大类财务指标入手设计变量（见表2）。
　　四、 机会主义倾向的实证检验与结果分析
　　目前，美国和中国学者在进行此类回归分析时，大多采用logit和probit两类回归模型。中国的社会环境、审计制度与美国不尽相同，而且相关的监管措施也有较大差异，因此财务指标对于审计意见的反应关系必然存在差异。鉴于以上因素以及研究样本的限制，我们需要谨慎选择计量模型。我国上市公司被出具清洁审计意见的比例多在95%以上，这与美国资本市场有较大差异。一般认为logit模型在多数情况下对于极值有更好的拟合效果［14］，因此本文采用logit回归模型进行数据拟合，同时以probit模型作为稳健性检验的手段。本文的检验模型为：
　　in(p1-p)=f(盈利能力；偿债能力；营运能力；control)
　　logit模型的基本形式主要表现在没有残差项以及自变量不要求为多元正态分布，但模型仍对多元共线性问题敏感，严重的共线性会导致变量的标准误膨胀，使得估计存在偏差。我们利用方差膨胀因子（vif）判别共线性问题，检验结果显示自变量不存在多重共线性问题。本文又进行了拟合优度的h&l检验，计算得到χ2值为12.258（p=0.14），拒绝原假设，可以认为模型较好地拟合了样本数据。本文采用deviance检验法分析样本数据结构，剔除了93个异常观测值，以剩余的3293个观测值为拟合样本。我们采用indicator（first）方法将第一个分类变量作为参照系进行拟合。根据表3的拟合结果，模型的拟合效力指标nagelkerke和cox&snell值均大于0.15，说明模型的解释能力较好。
　　表3indicator（first）模型拟合结果
　　变量预计符号系数p值系数p值系数p值系数p值常数项？1.562*0.0921.963**0.0263.416***0.0003.152***0.000roaroa(1)+1.575***0.0001.793***0.000roa(2)+1.858*0.0652.167**0.031roeroe(1)+2.384***0.0002.158***0.000roe(2)+2.434**0.0152.487**0.013qr+-0.2040.3520.0260.892ocfr+0.681***0.0050.761***0.000dr+1.179***0.0001.067***0.000tattat(1)+0.4650.1180.929***0.000tat(2)+1.194**0.0101.853***0.000itit(1)+-0.843***0.001-0.382*0.09it(2)+-1.305***0.000-0.834***0.002artart(1)+0.981***0.0001.216***0art(2)+1.148***0.0001.454***0fatfat(1)+0.2850.2930.2560.285fat(2)+-0.4040.227-0.2870.327soe？1.030***0.0001.175***0.0001.001***0.0000.802***0.000big4？0.0860.8840.5730.3380.6310.239-0.0260.962year？controlind ？controln3293-2loglikelihood1255.996763.859997.182922.515cox&snellr20.1580.1390.0760.096nagelkerker20.5000.4380.2380.304注：***、**和*分别表示wald卡方检验在0.01、0.05和0.1水平上显著。