回归分析法在审计分析程序中的应用

《回归分析法在审计分析程序中的应用 》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、回归分析法在审计分析程序中的应用分析性程序作为一项现代审计取证的主要技术手段，对于确认资料间严重偏离的波动、查找潜在的错报或舞弊等高风险领域非常有效。传统的分析方法包括趋势分析法、比率分析法和合理性测试法，但传统分析方法存在以下两点缺陷。一是传统分析法难以准确估计预期数据值。采用传统的分析法估计预期数据值，对审计师的业务素质要求很高，需要审计师具备丰富的实践经验和专业知识，在实务中，一般都由高级审计师或项目经理完成。虽然由经验丰富的审计师估计预期数据值，但由于估计的主观性太强，不同审计师的估计值相差很大，不具有可比性，这不利于提高审计质量。二是传统分析法难

2、以准确判断严重偏离的波动。在估计预期数据值之后，将其与客户账面记录的实际值进行比较，以确定是否存在与其他相关信息不一致或严重偏离的波动和关系，这需要审计师的主观判断，但是，在实务中却存在一定的困难，原因是对严重偏离的波动和关系没有一个具体的可操作性定义，即使确定了一个具体的比例，可是该比例要承担的审计风险是多大，可靠程度是多少，都难以具体量化。　　回归分析是处理变量与变量之间关系的一种数学方法，它侧重于考察变量之间的数量伴随关系，并通过一定的数学表达式将这种关系描述出来，进而确定一个或几个变量（自变量）的变化对另一个特定变量（因变量）的影响程度。相对于传统

3、的分析法，回归分析法的突出优点在于可计量的风险和准确量化注册会计师的预期值，即能够准确的估计预期数据值，能够准确的判断严重偏离的波动；更重要的是回归分析法并不过多的依赖于审计师的经验，一般审计人员也可以进行准确的分析。本文拟举例介绍回归分析法的具体运用步骤。　　（一）回归分析法模型的构建回归分析法是以两个变量之间的理论上的线性关系为基础，其模型为：　　在模型中，yi是要估计的预期数据值，xi是帮助估计预期数据值的变量，a和b是yi和xi之间关系的回归系数，ε是一个随机误差项，它表明变量xi不是影响yi变化的唯一变量，在分析中一般可以忽略不计。回归模型是建立

4、在假设xi和yi是线性关系的假设基础上得出的，只要获得了a和b的值，我们就可以通过公式，根据任何给定的xi的值比较准确的预测yi的值。　　（二）识别和确定要估计的模型首先审计人员要确定估计的变量（称因变量），即审计准则中的预期值，还要确定哪些变量（称自变量）可以用来估计预期值。其次，要确定估计的预期值，即因变量与自变量之间确实存在逻辑上的因果关系。如企业的销售收入与企业的广告费之间就存在着及易令人理解的因果关系，即广告费的支出增加有利于提高销量，从而会导致销售收入的增加，因此，就可以根据一定期间的广告费支出估计销售的预期值；相反，销售收入与企业的营业外支出

5、之间一般就不会存在这样的因果关系，故就无法利用一定期间的营业外支出去估计销售收入的预期值。最后，审计人员还要确保估计的模型在一定期间具有稳定性，在回归分析中，审计人员一般是用客户以前期间的历史数据估计回归模型，如果现在已经发生了结构性的变动，再用历史数据估计回归模型，很可能导致错误的结果。例如，如果一个企业发生合并或分立，那么审计人员再用合并或分立前的历史数据估计回归模型，就很可能出现错误的结果。　　（三）收集恰当的数据资料审计人员一旦确定了模型中应包括的变量，下一步就是获取足够、可靠的数据来估计模型的参数a和b的值，审计人员估计模型使用数据的质量对预测结

6、果具有直接的影响。新准则规定用于估计预期值的数据资料要确保可靠，为确保数据的可靠最好使用客户以前年度已经审计过的数据。此外，数据越充分，模型的预测效果就越显著。　　（四）利用数据资料估计模型的参数值审计人员收集和筛选了恰当的数据后，要计算a和b的值，计算公式（公式中n是变量x的个数，下文公式同）如下：[例]假设审计人员在审计某制造型企业的销售成本时，试图根据2005年生产工人各月的工时估计2005年各月的销售成本，工时是计算工人工资的主要依据，而生产工人工资构成了产品生产成本，产品销售后就形成销售成本，因此，工人工时与销售成本之间存在简单的因果关系，可以利

7、用回归分析预测。利用建立回归分析模型的数据是该企业最近两年即2003和2004两年24个月的销售成本和工人工时，见表1。表12003、2004年历史数据资料2003年度2004年度销售成本（y）工人工时（x）销售成本（y）工人工时（x）160.319.99153.528.64156.598.71150.778.56170.7310.54178.278.93161.339.57190.2510.28155.278.25167.717.21145.447.18181.637.06156.958.28173.468.11139.376.15195.0811.18

8、130.845.73169.637.22189.8811.5315