Page 59 - 201903

北京工商大学学报(社会科学版)摇 摇 摇 摇 2019 年摇 第 3 期

越强,签字注册会计师声誉受损程度可能越严重, 的签字注册会计师中,采用 PSM 最近邻匹配的方
其有更强的动机对自身的认知和执业行为进行修 法,选取与处理组观测样本在年龄、性别、签字年
正,反之亦然。 班杜拉 [21] 指出,就社会约束的时 限、签字数量这些特征方面的综合得分最相近者

间安排而言,早期比后期有更大的行为抑制作用。 作为对照组。 匹配后的样本包含 601 组签字注册
据此,本文提出假设 3。 会计师个体数据,数据平衡性检验结果表明,匹配
H3:财务重述滞后期较短样本,已审报表被 之后,处理组与控制组的特征变量不存在显著
重述对签字注册会计师审计质量的提升效果更为 差异。
显著。 处理组与对照组所审的上市公司数据主要来
三、研究设计 源为 CSMAR 数据库,会计师事务所和签字注册
(一)样本选择与数据来源 会计师的数据是依据各年度财务报告及中国注册
本文的初始样本为 2004—2016 年沪、深两市 会计师行业管理信息系统进行搜集。 在原始样本
的上市公司及其财务报告主审会计师事务所、签 公司的基础上,剔除金融保险业以及财务数据缺
字注册会计师,鉴于本部分的研究设计主要基于 失的上市公司数据。 经过上述筛选处理后,最终
签字注册会计师已审报表被重述的经历,需要用 获得研究公司年度观测值 9 746 个。 本文参照中
到签字注册会计师在客户财务重述时点前后两个 国证监会《上市公司行业分类指引》 进行行业分
会计年度间(包括财务重述当年) 所审上市公司 类,除制造业采取二级行业分类外,其他行业均采
数据。 因此,本文选取 2006—2015 年所审报表发 取一级行业分类,主要运用 EXCEL、SAS 和 STA鄄
生财务重述的签字注册会计师为对象,采用配对 TA 分析软件进行数据处理和统计分析。 为减轻
的方法,考察已审报表被重述的执业经历对审计 异常值的影响,所有连续变量在 1% 及 99% 的水
质量的影响。 由于数据库仅包含了部分上市公司 平进行缩尾处理。
通过更正或补充公告的方式披露的财务重述事 (二)模型设计
项,更多的是隐藏在上市公司年报及其附注中,因 1郾 关键变量定义
而本文主要通过对上市公司的年报手工收集和整 (1)审计质量。 借鉴唐清泉等 [27] ,本文采用
理获得财务重述样本,也有部分样本来自中国证 修正的 Jones 模型计算的可操纵性应计绝对值度
监会指定信息披露网站———巨潮资讯网,通过搜 量审计质量(AQ)。
索“差错、更正、调整冶 等关键字来查询会计差错 (2)已审报表被重述的执业经历。 已审报表
更正公告。 在此基础上,本文删去在年度签字注 被重述的执业经历(EXP_RES)的度量方式为:签
册会计师不同的情况下,发生滚动重述的公司样 字注册会计师过去所审客户是否对报表中的会计
本(例如公司在第 i + 1 年对第 i 年的财务报告进 差错进行了更正和披露,会计差错即财务报表在
行重述,第 i + 2 年对第 i + 1 年的财务报告进行重 确认、计量和列报过程中存在的错误,包括计算错
述,如此滚动三年及以上),以减轻管理层出于特 误、会计准则应用错误以及对财务报告日已存在
定目的降低会计信息质量、给审计师执业造成干 的事实的疏忽或误判,不包括以重大事项临时公
扰这一可能性对研究结果造成的偏误。 在此还需 告的方式发布针对非会计差错内容的补充及更正
说明的是,针对已审报表被重述的签字注册会计 公告,即所谓的“年报补丁冶 [16] ,也不包括会计政
师,删去在报表被财务重述后的两年内,均未担任 策变更说明 [28] 。 若签字注册会计师过去所审客
签字注册会计师的样本(因其无法进行财务重述 户对报表中的会计差错进行了更正和披露,EXP_
前后审计质量的纵向比较),删去报表被重述的 RES 取值为 1,否则取值为 0。
当年,未担任签字注册会计师的样本(因难以依 2郾 检验模型的构建
据注册会计师在客户财务重述当年的个人特征进 为检验签字注册会计师已审报表被重述的执
行配对从而选取对照组)。 经过上述净化后的签 业经历是否对其审计质量产生影响,本文构建双
字注册会计师样本即为处理组。 进一步地,本文 重差分(difference in difference,简称 DID) 模型,
从 2006—2015 年样本期间内已审报表未被重述 见式(1):

· 5 4 ·