审计

配对,配对后各行业的样本数见表9。

表9　配对样本各行业样本数

INDCDAINDCDBINDCDC0INDCDC1INDCDC2INDCDC3INDCDC4INDCDC5

们参考混合样本的模型检验结果,结合配对样本数

量特点,设计了模型进行回归,进入模型的变量及结

7412

1470

305444

21060

3632

INDCDJ

201414

4146

16630

INDCDC6INDCDC7INDCDC8INDCDC9INDCDDINDCDEINDCDFINDCDGINDCDHINDCDI

INDCDKINDCDLINDCDM

18

果如表10所示。从前面的混合样本检验中可以看出,应收账款对于总体或者分行业的回归,结论比较一致,对行业的差别不是很大。该回归对应收账款没有设置行业变量交乘项,对存货则参照前面的做法设置了行业变量交乘项进行回归。

在上述样本中,个别行业的样本较少,因此,我

表10　配对样本检验结果

因变量

实验变量相关系数显著性INDCDA3INV　-0.586　0.817INDCDC03INV2.855.INDCDC13.INDCDC214..726INDCDC31.3480.769INDCDC43INV0.7020.675INDCDC53INV20.8720.070INDCDCINV..INDCDC73INV-2.8970.146INDCDC83INV-5.4080.195

LRstatistic(51df)　181.71McFaddenR-squared0.213

实验变量

93INVINDCDF3INVINDCDG3INVINDCDH3INVINDCDJ3INVINDCDKINVINDCDL3INVINDCDM3INV

.0.949-1.2340.8243.9630.397-2.2090.4280.1940.945-9.3980.102..10.4050.34814.7850.060

ObswithDep=0308ObswithDep=1308

OPINIONARERANBROELPRIVATEVINDUSTRYLOCATE

C相关系数显著性

　-1.695　0.000

2.8660.002-1.1030.0010.4710.0010.7740.2260.0060.342

　省略0.8440.285

0616

Probability(LRstat)

Totalobs

　　从表10中可以看出,应收账款回归结果与全

样本混合年度的结果相似,均在1%的水平上显著正相关,这支持了假设2。应收账款变化引起舞弊风险变化比率的倍数比全样本混合年度回归中的13.18更大一些,达到17.58倍。

考虑到配对样本每个行业的样本数目较少,我们没有区分C类行业中的子类进行回归,但对于整个C类行业来说,存货与舞弊负相关且不显著。我们区分了C类行业中的子类进行回归,得到了表7的结果。结果显示,各行业的存货对于舞弊风险相关性具有统计意义显著性的有:电子(INDCDC5)、综合类(INDCDM)分别在10%的水平上显著正相关。这样看来,进行行业控制后,对于配对样本来说,除了不显著的行业外,存货与舞弊风险在一些行业呈现正相关关系。这个结论与国外的结论一致,假设1在一定程度上得到了配对样本的支持。

为了反映存货整体与舞弊的相关性,我们对存货不设置行业交乘项进行回归,回归结果见表11。

表11　配对样本Logit回归结果(不设置交乘项)

变量

INVOPINIONARERANBROELPRIVATEVClocateindustryLRstatisticObswithDep=0ObswithDep=1

相关系数标准差

　-0.185　0.698

-1.6392.662-1.0300.4100.5280.0060.269

0.2880.8830.3060.1900.6150.0060.605

显著性

　-0.265　0.791

-5.6963.016-3.3652.1600.8580.9010.445

0.0000.0030.0010.0310.3910.3670.656

Z统计量

　省略

157.782308308

2

0.185616

Probability(LRstat)0

Totalobs

从不设置交乘项的回归结果来看,应收账款没

有太大的变化,与前面的结果基本一致。存货与舞弊则呈负相关关系,但并不显著。

从配对样本的总体来看,应收账款与舞弊呈现出稳定的正相关关系,但存货与舞弊在部分行业呈现正相关关系,在其他行业则不显著。可见,只有较

123