基于判別分析的內部控制重大缺陷預測研究＊

王 茜 ，戴文濤

(1.東北財經大學 會計學院/中國內部控制研究中心，遼寧 大 連 1 16025;2.南開大學 公司治理研究中心，天津 3 00071)

一、引 言

國內外財務丑聞頻發造成資本市場動蕩和投資者信心喪失，癥結之一在于企業內部控制系統的失效。為加強對上市公司監管，改善財務報告質量，減少公司欺詐，恢復投資者信心，美國國會于2002年7月通過了薩班斯－奧克斯利法案。該法案從討論通過實施至今，美國各界對于執行其中財務報告相關的內部控制有效性測試、評估及報告要求的302和404條款的成本效益之爭甚囂塵上。美國財務經理協會、普華永道公司、商業協商協會等機構對薩班斯法案執行成本所進行的若干次調查顯示其高昂的執行成本遠遠超出可能帶來的收益［1］。薩班斯法案404條款提高了通過證券市場募集資金的成本，發生股票回購的公司和金額都明顯放大［2］。首批執行該法案要求的財富1 000強樣本公司2004年的審計費用比上一年平均增加了230萬美元，并且規模小的公司審計費用高于大公司，這可能導致小公司減少內部控制資源投入因而更可能發生內部控制缺陷［3］。從長期來看，將資源過度轉移到非增值型活動 (遵循措施)中將阻礙公司的成長甚至整個經濟發展［4］。薩班斯法案對提升資本市場投資者信心的作用是毋庸置疑的，但短期內很難對該法案的實施成本和效益做出全面準確的評價，關鍵是要找到平衡點降低執行成本。2006年我國深交所和上交所分別發布了《上市公司內部控制指引》(以下簡稱為《指引》)，滬深兩市公司根據《指引》要求披露了內部控制信息，為拓展我國內部控制實證研究提供了數據。根據德勤2009、2010年中國企業內部控制調查報告數據，2009年僅有29.41%的企業認為指引有助于本企業監控并降低成本和費用，2010年這一比例為37%，略有提高。一些企業表示若按照《指引》實施日常內部控制以及進行內部控制評價，在一定程度上將增加員工的工作量，預計并不能提升經營效果和效率，反而提高了成本和費用。

財政部聯合證監會、審計署、銀監會、保監會等五部委分別于2008年、2010年發布了《企業內部控制基本規范》和《企業內部控制配套指引》(以下將二者簡稱為內部控制規范體系)，明確要求從2011年開始在境內外同時上市的公司出具內部控制評價報告，披露其存在的內部控制重大缺陷等關鍵信息，并由注冊會計師出具審計報告。但是，我國目前并未如美國薩巴斯法案一樣對出具不實內部控制報告的行為制定嚴苛的懲罰條款，內部控制規范體系的執行效果尚有待檢驗。因此，在我國內部控制規范體系生效前及此后一段時間內，通過公司特征判別內部控制重大缺陷存在與否具有重要的現實意義。即使在美國嚴苛的薩班斯法案之下，各界對執行法案的成本效益之爭亦未有定論，在這樣的背景下，缺陷預測方法則為降低遵循成本另辟蹊徑。

二、相關研究述評

內部控制重大缺陷常常出現在存在管理層欺詐、財務指標異常、業務復雜等情況的公司。圍繞上述方面，現有的內部控制缺陷定量研究方法主要有人工神經網絡技術 (ANN)、模糊集方法(FSA)、多元線性規劃 (MCLP)、Logistic或Probit回歸等。

Fanning等使用廣義自適應神經網絡架構(GANNA)和自適應邏輯網絡 (ALN)方法設計神經網絡，區分管理層舞弊與非舞弊公司［5］。Cooley和Hicks基于模糊集理論，將語言測試方法和二分制的問卷調查相結合匯總評估內部控制缺陷，解決了審計師以往單獨使用問卷調查或流程圖等控制測試方法的不足［6］。Korvin等利用陶氏化學公司風險分析矩陣構建了基于模糊集理論的內部控制風險模型，幫助管理者評估會計信息系統內部控制風險［7］。

多元判別分析法 (MDA)從1936年首先應用于植物種群分類研究后，至今已經應用于多個學科的研究中，近年來成為客戶信用評估、破產預測的主流分析方法。其中最突出的研究成果是Altman在1968建立的多變量Z分模型以及改進的 “ZETA”判別模型。我國學者［8－9－10］應用此方法在企業財務預警方面進行了一些研究。

Altman等在破產預測研究中通過比較神經網絡法和判別分析法，認為神經網絡分析法在信用風險預測中的應用結果并未顯著優于線性判別模型［11］，并且在“內部控制的思考和投資標準”一節中特別提出Z分模型的研究結論可以應用于內部控制狀況的預測［12］:“公司管理最為緊要也是非常困難的工作就是定期客觀地評估公司現狀……建議如果正確使用判別分析模型就能夠盡早預測公司存在的問題，使管理層及時意識到問題的嚴重性避免控制失敗”。

Franklin在Ge和McVay①公司業務復雜、規模較小和盈利能力較差的公司更有可能發生內部控制重大缺陷。內控缺陷影響因素實證研究結論的基礎上，首次使用Altman財務困境預警模型中的三個財務指標預測內部控制重大缺陷②Franklin使用的三個財務指標為利息保障倍數、留存收益與總資產比率和流動比率，進行了Wilcoxon秩和檢驗、符號檢驗和Spearman相關分析。，以財務指標為橋梁為內控重大缺陷與公司財務困境之間的聯系提供了初步證據［13］。Kwak等以Altman(1977)和Ohlson(1980)破產預測模型中財務指標為主建立了內控重大缺陷預測的多元線性規劃模型［14］。

Doyle等對美國2002年8月至2005年間779家披露了內控重大缺陷的公司和5 047家未披露重大缺陷的控制樣本公司數據進行Logistics回歸，發現重大缺陷公司規模較小、上市年限較短、財務狀況較差、業務復雜或者正在經歷重組［15］。Ashbaugh－Skaife等對 2003年 11月至2004年間披露內控缺陷 (不區分嚴重程度)公司的分析得到了類似結論，即內控缺陷公司的業務復雜、會計風險高、內控建設資源投入較少［16］。另外，一些實證研究探討審計定價、審計師變更、審計師質量與內部控制缺陷之間的關系。內部控制缺陷與審計定價正相關，審計師對存在較多內部控制缺陷的公司收取更多的審計費用［17－18－19］。內部控制缺陷與審計師變更相關，相當多的公司在解雇原審計師后被發現存在內部控制重大缺陷，披露內控重大缺陷的公司審計師變更頻繁［16－20］。聘請高質量審計師的公司，存在內控重大缺陷的可能性相對較小，如聘請“四大”作為年報審計的公司通常規模較大，經濟實力較強，對內控系統建設投入較多，發生內控重大缺陷的風險相對較小［20］。

上述研究中，模糊集方法對于計算機會計信息系統內部控制缺陷的評估有一定效果，但是昂貴且費時。神經網絡技術需要人為隨機調試才能得到一個較好的神經網絡結構，也需要耗費大量人力和時間，且該方法結論沒有統計理論基礎。多元線性規劃模型的預測準確率僅達到50%左右，解釋性不強，應用受到較大限制。logistic或Probit回歸從某些方面揭示了存在內控重大缺陷公司的特征，但在研究變量選取方面較為分散和隨機。另外，在財務狀況指標選取時直接應用破產預測模型 (如ZETA模型)結果而未細化、區分不同財務指標所代表經濟含義的做法并不科學，降低了回歸方程的擬合優度。

基于上述原因，本文嘗試探索將多元判別分析法引入內部控制實證研究中，構建內部控制重大缺陷預測模型。在判別指標的選擇上，一方面綜合考慮公司財務狀況、復雜性、審計師特征等因素，另一方面將各類財務指標進行分類、細化，以使指標選取更加合理、提高判別分析模型的預測準確率。

三、樣本選擇與數據來源

1.樣本選擇

本文確定重大缺陷樣本的來源主要有以下幾種:第一，企業內部控制自我評價報告中明確本企業存在“重大缺陷”;第二，企業在內控自評報告中未確認自身存在重大缺陷，但存在《企業內部控制審計指引》中所列舉的表明內部控制可能存在重大缺陷的幾種跡象的，則確定為重大缺陷樣本;第三，信息披露考評結果為“不合格”的上市公司以及因決策過程違規、違法使用資金等受到證監會、證交所及其他主管部門的處罰或譴責的上市公司;此外，在上市公司關于公司治理及內部控制問題整改報告中表明其存在交易和賬戶層面內控缺陷超過三項者，也確認為重大缺陷樣本。控制樣本則是在2007—2008年間均未發生重大缺陷的公司。

根據上述原則，本研究選取深圳證券交易所主板上市公司作為研究對象，剔除數據缺失公司，得到內部控制重大缺陷樣本公司138家，其中2007年101家、2008年37家;①樣本中不包括金融保險業公司;為控制樣本規模，2008年重大缺陷樣本公司，不包含2007年已經確認為重大缺陷公司且其缺陷在2008年依然存在的公司。同時，依據年度和行業選擇138家非重大缺陷公司作為配對樣本。內部控制缺陷資料從上市公司內部控制自我評價報告、各省證監局對轄區上市公司進行公司治理及內部控制的整改報告、深交所主板誠信檔案等資料中整理分析得到，文中財務數據均來自國泰安數據服務中心，審計師數據來自RESSET金融研究數據庫。

2.變量選擇

在財務指標選取方面，為幫助預測內控重大缺陷，本文借鑒了國內外破產 (財務困境)預測領域的前期研究成果，如Altman等與Ohlson破產預測中使用的變量［21－22］，以及呂長江等與邵希娟和曾海花在國內破產預測模型中使用的變量［23－24］，以全面反映公司財務狀況為基礎最終確定了22個財務指標 (見表1所示)。

表1 財務指標選擇表

除以上破產預測變量外，本文還包含了以往實證研究中與內控缺陷相關的變量，包括上市年限、公司規模和經營復雜性等。Ge和McVay和Doyle認為成立時間較短的公司內部控制程序較少，員工經驗較少，存在重大缺陷的可能性更大。但是Krishnan(2005)研究表明，上市年限越久，發生財務舞弊和財務報告重述的可能性越大，也就意味著內部控制越差。林斌和饒靜認為上市年限越長的公司，內控質量反而不如新上市公司，上市時間較短的公司更愿意披露內部控制鑒證報告［25］。公司規模越大，往往擁有更多高素質員工，將更多資產用于內部審計或咨詢，形成更強有效的內部控制。本文用總資產的自然對數表示公司規模。另外，公司子公司數目越多，業務越復雜，內部控制出現問題的可能性越大;子公司數量越多，編制合并財務報表的難度也越大，內部控制越可能存在缺陷，因此，用上市公司擁有子公司的數量作為經營復雜性的代理變量。另外，本文包含三個審計師變量:是否由“四大”事務所審計代表審計師質量 (Big Au=1代表由四大審計，否則為0);采用與Kwak等相同的辦法，將發生重大缺陷當年變更審計師(Auditor Ch)賦值為1，否則為0;五年內變更審計師 (Auditor Ch5)賦值為1，否則為0。

3.描述性統計分析

表2報告了內部控制重大缺陷樣本公司和非重大缺陷樣本公司財務指標及非財務指標進行均值t檢驗的描述性統計結果。

表2 描述統計結果

從表2可以看出，重大缺陷樣本與非重大缺陷樣本的公司特征變量中有一半顯著不同。重大缺陷樣本公司的上市年限均值顯著大于非重大缺陷樣本公司，與Krishnan的結論相同;五年內變更事務所的均值也顯著大于非重大缺陷樣本公司，但當年是否變更事務所以及是否由四大事務所審計的均值兩組樣本沒有顯著差異，與Kwak的結論有所不同;重大缺陷樣本公司的規模(LnAsset)均值顯著小于非重大缺陷樣本公司，與Ge和McVay結論相同;經營復雜性方面，重大缺陷樣本公司的子公司數目均值顯著大于非重大缺陷樣本公司。代表盈利能力的7個財務指標，非重大缺陷樣本公司的表現都顯著優于重大缺陷樣本公司，說明盈利能力較差的公司更有可能存在內控重大缺陷，與Ge和McVay結論相同。在代表成長性的財務指標中，非重大缺陷樣本的總資產增長率和營業收入增長率的均值都顯著大于重大缺陷樣本公司，股東權益增長率和存貨占總資產比例的均值雖然大于重大缺陷樣本公司但差異并不顯著。在流動性指標中，只有經營現金流與總資產比率和現金流量比率指標，重大缺陷樣本的均值顯著較低，這一結果與Ge、McVay和Kwak的結論相同。而流動比率、速動比率等指標，兩組樣本沒有顯著區別，重大缺陷樣本公司的均值甚至高于非重大缺陷樣本公司，這一結果與Franklin的研究發現類似。這意味著在Altman等人破產預測中有效的流動性變量在內部控制重大缺陷預測中并未發揮有效作用。而三個營運能力指標的t檢驗結果也并不一致，其中只有總資產周轉率的均值在兩組樣本間存在顯著差異。以上代表公司各方面財務狀況的指標在t檢驗中所表現出的混合性結果說明，以往內部控制實證研究中不區分盈利能力、流動性指標而直接將Z值作為財務狀況代理變量的做法是不科學的。

四、判別分析結果

將內部控制重大缺陷公司定義為“組合1”，非重大缺陷公司定義為“組合0”，同時將上述均值t檢驗結果中具有顯著性差異的公司特征變量，即上市年限 (Year)、子公司數 (N)、五年內變更事務所 (Auditor Ch5)、公司規模(LnAsset)、息稅前利潤與資產總額比 (EBIT/TA)、總資產凈利潤率 (ROA)、凈資產收益率(ROE)、經營凈收益比平均總資產 (CRE/TA)、留存收益資產比 (RE/TA)、每股收益 (EPS)、每股經營現金流 (CFOPS)、總資產增長率 (TA Growth)、營業收入增長率 (Revenue Growth)、經營現金流比平均總資產 (CFO/TA)、現金流量比率 (CFO/CL)和總資產周轉率 (TA Turnover)作為建立判別分析模型的輸入變量，采用逐步判別分析法進行選擇，結果見表3所示。

表3 逐步判別分析結果

表3顯示，在16個變量中共有5個變量進入了模型，它們是:LnAsset(公司規模)、Auditor Ch5(五年內變更事務所)、Revenue Growth(營業收入增長率，以下簡記為ReGr)、Year(上市年限)和RE/TA(留存收益資產比)。

非重大缺陷公司貝葉斯判別函數為:

重大缺陷公司貝葉斯判別函數為:

采用交互驗證方法來驗證模型，①采用交互驗證法，能夠避免樣本二分法要求樣本量大、判別函數不穩定的問題。交互驗證下不區分建模樣本和驗證樣本。結果如表4所示。從表4可以看出，模型對內部控制重大缺陷公司的預測準確率是71.1%，對非重大缺陷公司的預測準確率是76.1%，第一類錯誤和第二類錯誤的比例分別是28.9%和23.9%，第一類錯誤比例略大于第二類錯誤比例。①預測類研究通常有兩類錯誤:第一類錯誤和第二類錯誤。第一類錯誤稱為誤拒錯誤，在破產預測中是指將破產企業錯判為非破產企業;第二類錯誤稱為誤受錯誤，在破產預測中是指將非破產企業誤判為破產企業。顯然，發生第一類錯誤的損失大于第二類錯誤，會增加投資者決策風險。在內部控制重大缺陷預測中，第一類錯誤是指將確實存在內控重大缺陷的公司錯誤地預測為非重大缺陷公司，錯判損失較大;第二類錯誤是指將非重大缺陷公司誤判為重大缺陷公司，錯判損失相對較小。這一預測結果要好于Kwak(2009)使用多元線性規劃模型等方法所得到的50%左右的預測準確率。

表4 交互驗證結果表

五、研究結論

本文運用多元判別分析方法構建內部控制重大缺陷預測模型，得出了以下結論:第一，內部控制重大缺陷公司和非重大缺陷公司在成長性和盈利能力特征財務變量方面存在顯著的差別，營業收入增長率是反映成長能力的指標，留存收益資產比是反映整個生命周期內累積盈利能力的指標。公司建立良好內部控制的能力隨財務狀況的變化而變化，成長性越低、累積盈利能力越差的公司由于沒有足夠的資源投入到內部控制，發生重大缺陷的可能性越大。值得注意的是，反映流動性與償債能力和營運能力指標均沒有一個入選模型。這說明公司在這兩方面的表現差異不大，流動性與營運能力指標目前不是判別是否存在內控重大缺陷的主要因素。第二，除了財務指標外，公司規模、上市年限和審計師變量對于判別內控重大缺陷是否存在具有顯著作用，反映了我國上市時間較長的公司整體內控水平低于上市時間較短公司的現狀;小規模公司對信息和控制系統的投入較少，能夠維持這些系統的人員和專家也少，不利于形成更強有效的內部控制;披露內控重大缺陷的公司審計師變更更加頻繁，但是是否聘請“四大”審計年報不能作為判定公司存在重大缺陷的有效變量。

本文構建的貝葉斯判別函數的預測準確率不到80%，一方面是由于本文所選擇樣本的期間是深交所剛開始強制上市公司披露內部控制報告的頭兩年，對內部控制缺陷的披露及評價存在許多不規范的地方，另一方面2007年適逢新舊會計準則交替之際，許多公司對正確執行新準則的控制不足。隨著我國內部控制法規強制企業評價與披露內部控制狀況，更多、更合適的樣本將進一步提高本文所建模型的預測準確率，因此，本文的研究具有較高的應用價值。監管方、審計師以及外部投資者可以利用本文的研究方法及結論，判別上市公司內部控制重大缺陷存在的可能性。政府監管機構可以借助判別模型結論有的放矢，將最嚴格的內部控制監管措施應用于最有可能發生內控重大缺陷的公司而不是所有公司，這樣一方面可以改善資源的宏觀配置，節約監管成本;另一方面可以降低企業的平均遵循成本、節約資源進行再投資以刺激生產和經濟增長。審計師可以應用本文的研究方法評估審計風險調整審計策略。另外，本文還可以對投資者正確評價內部控制及公司投資價值提供參考信息。

［1］黃京菁.美國SOA404條款執行成本引發爭議的評述［J］.會計研究，2005，(9):86－89.

［2］William，J.C.The Costs of Being Public after Sarbanes－Oxley:The Irony of“Going Private”［R］.Working Paper，2005.

［3］Eldridge，S.，Kealey，B.Descriptive Evidence on SOX Audit Costs［J］.Journal of Accounting，Ethics and Public Policy ，2005，5(3):343 －373.

［4］D'Aquila，J.M.Tallying the Cost of the Sarbanes－Oxley Act［J］.The CPA Journal，2004，74(11):6 －9.

［5］Fanning，K.，Cogger，K.O.，Srivasava，R.Detection of Management Fraud:A Neural Network Approach［J］.Intelligent Systems in Accounting，Finance，and Management，1995，(4):113 －126.

［6］Cooley，J. W.， Hicks， J.O. Jr. A Fuzzy Set Approach to Aggregating Internal Control Judgments［J］.Management Sciences，1983，29(3):317 －334.

［7］Korvin，A.D.，Shipley，M.，Omer，K.Assessing Risks due to Threats to Internal Control in a Computer－Based Accounting Information System:A Pragmatic Approach Based on Fuzzy Set Theory［J］.Intelligence Systems In Accounting，Finance，and Management，2004，(12):139 －152.

［8］吳世農，盧賢義.我國上市公司財務困境的預測模型研究［J］.經濟研究，2001，(6):46－55+96.

［9］張玲，陳收，張昕.基于多元判別分析和神經網絡技術的公司財務困境預警［J］.系統工程，2005，(11):49－56.

［10］陳艷，張海君.上市公司財務預警模型的研究［J］.財經問題研究，2007，(6):92 －97.

［11］Altman，E.I.，Marco，G.，Varetto.F.Corporate Distress Diagnosis: Comparison Using Linear Discriminate Analysis and Neural Networks［J］.Journal of Banking and Finance，1994，18(1):505－529.

［12］Altman，E.I.Financial Ratios，Discriminate Analysis and the Prediction of Corporate Bankruptcy［J］.The Journal of Finance，1968 ，23(4):589 －609.

［13］Franklin， M.Sarbanes Oxley Section 404:Can Material Weakness Be Predicted and Modeled?An Examination of the ZETA Model in Prediction of Material Weakness［D］.Walden University，2007.

［14］Kwak，W. ，Eldridge，S.，Shi，Y.，Kou，G.Predicting Material Weaknesses in Internal Control Systems after The Sarbanes－Oxley Act Using Multiple Criteria Linear Programming and Other Data Mining Approaches［J］.Journal of Applied Business Research，2009，25(6):105－118.

［15］Doyle，J.，Ge，W.L.，McVay，S.Determinants of Weaknesses in InternalControl over Financial Reporting［J］.Journal of Accounting and Economics，2007，44(1/2):193－223.

［16］Ashbaugh －Skaife，H.，Collins，D.W.，Kinney，W.R. The Discovery and Reporting of Internal Control Deficiencies Prior to SOX－Mandated Audits［J］.Journal of Accounting and Economics，2007，44(1/2):166－192.

［17］Ettredge，M.C.，Scholz，L.S.Audit Fees and Auditor Dismissals in the Sarbanes－Oxley Era［J］.Accounting Horizons，2007，21(4):371 －386.

［18］Hogan，C.E.，Wilkins，M.S.Evidence on the Audit Risk Model:Do Auditors Increase Audit Fees in the Presence of Internal Control Deficiencies?［J］.Contemporary Accounting Research，2008，25(1):219－242.

［19］張敏，朱小平.中國上市公司內部控制問題與審計定價關系研究——來自中國A股上市公司橫截面數據［J］.經濟管理，2010，(9).

［20］齊保壘，田高良.財務報告內部控制缺陷披露影響因素研究——基于深市上市公司的實證分析［J］. 山西財經大學學報，2010，(4):114－120.

［21］Altman，E.I.，Haldeman，R.G，Narayanan，P.ZETA Analysis:A New Model to Identify Bankruptcy Risk of Corporations［J］.Journal of Banking and Finance，1977，1(1):29－54.

［22］Ohlson，J.Financial Ratios and the Probabilistic Prediction of Bankruptcy［J］.Journal of Accounting Research，1980，18(1):109－131.

［23］呂長江，徐麗莉，周琳.上市公司財務困境與財務破產的比較分析［J］. 經濟研究，2004，(8):64－73.

［24］邵希娟，曾海花.我國上市公司財務困境的預警模型研究［J］. 經濟管理，2009，(9):123－128.

［25］林斌，饒靜.上市公司為什么自愿披露內部控制鑒證報告?——基于信號傳遞理論的實證研究［J］. 會計研究，2009，(2):45－52+93－94.