审计意见购买(Lennox反事实法)
「审计意见购买(Lennox反事实法)」，覆盖 2009-2025 年，频率 年度，上市公司层级，含 17 个变量，样本量约 60,549。 衡量上市公司通过变更审计师以获取更有利审计意见的行为程度。
| 时间跨度 | 2009-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 17 |
| 样本量 | 60,549 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 6位股票代码
- StkName [股票简称] — 股票简称
- Year [年份] — 财务年度
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码
- IndustryCode [行业代码] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- IsModifiedOpinion [是否非标准审计意见] — 是否收到非标准审计意见(0=否，1=是)，包括带强调事项段、保留意见、否定意见、无法表示意见
- AuditorSwitch [是否变更审计师] — 是否变更审计事务所(0=否，1=是)
- PriorOpinion [上期审计意见] — 是否上一年度收到非标准审计意见(0=否，1=是)，仅使用年份连续的观测
- PredProbSwitch [变更情景预测概率] — 参考Lennox (2000, JAE)的方法，在假设变更审计师情景下，Logit模型预测获得非标准审计意见的概率。单位：比例
- PredProbNoSwitch [未变更情景预测概率] — 参考Lennox (2000, JAE)的方法，在假设未变更审计师情景下，Logit模型预测获得非标准审计意见的概率。单位：比例
- OP [审计意见购买程度] — 参考Lennox (2000, JAE)的方法，计算公式为：OP = P(非标审计意见|变更审计师) - P(非标审计意见|未变更审计师)，OP<0表示变更可降低获得非标意见的概率，用作研究变量，越小代表通过变更审计师改善审计意见的空间越大。单位：比例
常见问题
- 「审计意见购买(Lennox反事实法)」是什么数据集？
- 审计意见购买(Lennox反事实法)，隶属公司治理。衡量上市公司通过变更审计师以获取更有利审计意见的行为程度。
- 该数据集的时间范围是？
- 覆盖 2009-2025 年。
- 包含哪些变量/指标？
- 共 17 个变量。核心指标包括：是否非标准审计意见、是否变更审计师、上期审计意见、变更情景预测概率、未变更情景预测概率、审计意见购买程度。完整字段清单（变量名·中文名·说明）见页面「字段字典」。
- 数据频率和层级是怎样的？
- 频率为年度，上市公司层级。
- 样本量有多大？
- 约 60,549 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集旨在度量上市公司通过更换审计师以获取更有利审计意见的行为，即“审计意见购买”。其核心思想基于反事实分析框架，通过比较企业在“变更审计师”与“未变更审计师”两种假设情景下获得非标准审计意见的概率差异，来评估变更行为对审计意见的潜在影响。该方法由Lennox (2000) 提出，并在后续研究中得到广泛应用。 首先，定义关键变量。IsModifiedOpinion为二元变量，若公司当年财务报告收到非标准审计意见（包括带强调事项段的无保留意见、保留意见、否定意见或无法表示意见）则取值为1，否则为0。AuditorSwitch为二元变量，若公司当年变更了审计事务所则取值为1，否则为0。PriorOpinion为二元变量，若公司上一年度收到非标准审计意见则取值为1，否则为0。 核心计算分为两步。第一步，构建一个预测公司获得非标准审计意见概率的Logit模型。模型的自变量包括：审计师变更(AuditorSwitch)、财务特征变量（如资产负债率LEV、总资产收益率ROA、经营现金流OCF、是否亏损LOSS、公司规模SIZE）、审计师类型（是否为国际四大Big4）、上期审计意见(PriorOpinion)，以及审计师变更与上述部分变量的交互项。模型需控制按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）分组的行业固定效应和年度固定效应。 第二步，进行反事实预测。利用第一步估计的Logit模型参数，分别计算每个观测在两种假设情景下的预测概率：PredProbSwitch是假设公司变更了审计师(AuditorSwitch=1)时，模型预测其获得非标准审计意见的概率；PredProbNoSwitch是假设公司未变更审计师(AuditorSwitch=0)时，模型预测其获得非标准审计意见的概率。 最终的核心指标OP（审计意见购买程度）由这两个反事实概率的差值计算得出，其计算公式为： $$OP = P(\text{非标}|\text{变更}) - P(\text{非标}|\text{未变更})$$ 其中$P(\text{非标}|\text{变更})$对应PredProbSwitch，$P(\text{非标}|\text{未变更})$对应PredProbNoSwitch。OP值为负表示，在模型预测的框架下，变更审计师能够降低公司获得非标准审计意见的概率，其绝对值越大，通常被认为公司通过变更审计师来改善审计意见的潜在动机或空间越大。 补充说明 - 模型估计与预测所使用的样本需满足数据完整性要求，即计算所需的所有财务变量、审计意见及审计师信息均无缺失。 - 计算PriorOpinion（上期审计意见）时，仅使用年份连续的观测，以确保上一年度意见信息的准确性。 - 在构建Logit模型时，通常会对连续型财务变量在行业-年度层面进行缩尾处理（如1%水平），以控制极端值的影响。 参考文献 [1] Lennox C. Do companies successfully engage in opinion-shopping? Evidence from the UK[J]. Journal of Accounting and Economics, 2000, 29(3): 321-337. [2] 曹丰,程家鸣,张雪燕.董事会断裂带与审计意见购买[J].中央财经大学学报,2025(4):61-77. [3] 翟胜宝,张受,曹源,等.分析师跟踪与审计意见购买[J].会计研究,2016(6):86-93,95.
- 如何获取该数据集？
- 通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。