企业审计质量

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [证券简称] — 上市公司证券简称
• Year [年份] — 财务年度
• Province [省份] — 公司注册地所在省份
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码
• City [城市] — 公司注册地所在城市
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
• County [区县] — 公司注册地所在区县
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
• IndustryCode [行业代码] — 中上协行业分类代码(如C26、J66,按年度动态匹配公司当年所属行业)
• IndustryName [行业名称] — 中上协行业分类名称(按年度动态匹配公司当年所属行业)
• TotalAccrualsTA [总应计/期初总资产] — 参考Jones (1991, JAR)的方法，计算公式为：(净利润-经营活动现金流量净额)/期初总资产。该比值是标准琼斯模型的因变量，衡量企业当期应计利润相对于资产规模的整体水平
• DA [操纵性应计盈余绝对值] — 参考敖小波和孙龙渊 (2024, 审计研究)的方法，以标准琼斯模型计量的操纵性应计盈余绝对值衡量审计质量，计算公式为：按行业-年度分组估计回归式 总应计/期初总资产 = a1*(1/期初总资产) + a2*(营业收入变动/期初总资产) + a3*(固定资产净额/期初总资产) + 残差，再取该残差的绝对值。用作研究变量，越大代表操纵性应计盈余越高、财务报告受盈余管理污染越严重，即审计质量越低
• DAModified [修正琼斯模型操纵性应计盈余绝对值] — 参考Dechow, Sloan & Sweeney (1995, TAR)的修正琼斯模型，为审计质量的替代度量，计算公式为：第一步按行业-年度分组估计标准琼斯模型得到系数，第二步以扣除应收账款变动后的营业收入变动代入求得正常应计，再用 总应计/期初总资产 减去正常应计并取绝对值。用作稳健性检验变量，越大代表审计质量越低
• IsPreIPO [是否为上市前财务年度] — 是否为公司首次上市之前的财务年度(0=否，1=是)。上市前的财务数据来自招股说明书的追溯披露，当时公司尚未受上市公司审计与信息披露监管约束，与上市公司口径不可直接混用；若研究对象限定为上市公司，建议筛选取值为0的样本
• IsDuplicateEntity [是否存在同一主体的其他股票代码] — 同一年度内是否存在另一股票代码，其标准化总应计与本行完全相同(0=否，1=是)。此类情形来自挂牌公司转板与退市后重新上市带来的证券代码变更，同一家公司在同一年度以两个代码各出现一次；做面板回归时建议按此标识去重，避免同一主体被重复计入
• Board [上市板块] — 证券代码所属的上市板块，取值为主板、创业板、科创板、北交所、新三板。其中新三板挂牌主体未在证券交易所上市，其审计委托关系与监管强度均不同于上市公司，若研究对象限定为交易所上市公司，建议排除该类样本

常见问题

「企业审计质量」是什么数据集？

企业审计质量，隶属公司治理。衡量企业的审计质量。

该数据集的时间范围是？

覆盖 2001-2025 年。

包含哪些变量/指标？

共 17 个变量。核心指标包括：总应计/期初总资产、操纵性应计盈余绝对值、修正琼斯模型操纵性应计盈余绝对值、是否为上市前财务年度、是否存在同一主体的其他股票代码、上市板块。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 84,453 条观测。

数据是如何测算/获取的？

指标定义与计算方法 审计的核心职能，是抑制管理层在财务报告中的机会主义行为。当审计师具备足够的专业胜任能力并保持独立性时，被审计单位借助会计估计与判断空间操纵利润的行为更容易被发现并被要求调整；反之，审计过程若流于形式，操纵的痕迹便会残留在最终对外披露的报表之中。正因如此，实证审计研究通常不直接观测审计过程本身，而是转而观察审计之后财务报告中还剩下多少无法由企业真实经营活动解释的利润成分——残留得越多，说明这一次审计对盈余操纵的约束越弱。本数据集即沿用这一思路，以操纵性应计盈余的绝对值作为审计质量的反向代理：取值越大，表明盈余被操纵的幅度越大，对应的审计质量越低。 构造这一指标的起点是总应计利润。企业当期确认的会计利润与其真实收到的经营现金之间的差额，即为总应计，它反映了权责发生制下会计确认相对于现金收付的全部调整，记为 $TA{i,t}=NI{i,t}-CFO{i,t}$，其中 $NI$ 为净利润，$CFO$ 为经营活动产生的现金流量净额。由于应计规模天然随企业体量放大，须以期初总资产 $A{i,t-1}$ 加以标准化，得到本数据集提供的中间变量"总应计/期初总资产"。这一比值衡量企业当期应计利润相对于资产规模的整体水平，但它本身并不等同于操纵——企业的正常经营活动同样会产生应计。 关键在于把总应计分解为由经营基本面决定的正常部分与无法由基本面解释的操纵部分。标准琼斯模型认为，正常应计主要由两类因素驱动：一是营业收入的变动，它带来应收账款、存货等营运资本项目的同向调整；二是固定资产的规模，它决定了当期折旧的计提水平。据此，在每一个行业与年度构成的截面内估计如下回归： $$\frac{TA{i,t}}{A{i,t-1}}=a1\frac{1}{A{i,t-1}}+a2\frac{\Delta REV{i,t}}{A{i,t-1}}+a3\frac{PPE{i,t}}{A{i,t-1}}+\varepsilon{i,t}$$ 式中 $\Delta REV$ 为营业收入的当期变动，$PPE$ 为固定资产净额，$1/A{i,t-1}$ 项承担经标准化的截距作用，故不再另设常数项。分行业、分年度估计的用意在于，不同行业的应计生成机制存在系统性差异，同一行业在不同年度也面临各异的宏观与监管环境，唯有在同行业同年度的可比公司之间横向比较，残差才能被解释为个体层面的异常。回归残差 $\varepsilon{i,t}$ 即为无法由收入增长与折旧解释的操纵性应计，取其绝对值便得到本数据集的核心指标： $$DA{i,t}=\left|\varepsilon{i,t}\right|$$ 此处取绝对值而非保留符号，是由构念本身决定的。审计质量关心的是盈余偏离经济实质的幅度，至于管理层是调高还是调低利润，则属于盈余管理动机的范畴：向下操纵利润同样意味着审计未能约束住报告偏差，因此在审计质量的语境下，正负两个方向应被同等看待。行业分类采用中国上市公司协会口径并按年度动态匹配，以确保变更过所属行业的公司在每一年都与其当年的真实同业进行比较。 本数据集另提供一个替代度量，即以修正琼斯模型估计的操纵性应计绝对值。该模型的出发点是：赊销是管理层调节收入最便捷的手段之一，若将收入变动整体视为正常应计的驱动因素，就等于默认所有收入增长都是真实的，从而低估操纵程度。修正的做法是在估计出系数之后，把收入变动中对应于应收账款增加的部分剔除，再计算正常应计： $$NDA{i,t}=\hat a1\frac{1}{A{i,t-1}}+\hat a2\frac{\Delta REV{i,t}-\Delta REC{i,t}}{A{i,t-1}}+\hat a3\frac{PPE{i,t}}{A{i,t-1}}$$ 其中 $\Delta REC$ 为应收账款的当期变动，$\hat a$ 为第一步回归所得系数。以标准化后的总应计减去正常应计并取绝对值，即得到替代指标： $$DAModified{i,t}=\left|\frac{TA{i,t}}{A{i,t-1}}-NDA{i,t}\right|$$ 两个指标构成主口径与稳健性口径的关系，可在同一回归框架下互相替换，用以检验结论是否依赖于特定的应计分解方式。 由于操纵性应计是回归残差，其可靠性取决于所在行业-年度截面的估计质量。当某个截面内混入总应计数十倍于期初总资产的会计断点观测（借壳重组、资不抵债等情形），而该截面的成分公司又相对较少时，回归系数会被单个观测主导，整组的拟合值随之被放大，组内全部企业的残差一并抬升。这一情形有一个可以识别的特征：残差的绝对值远大于因变量本身。由于残差在数学上不可能系统性地超出因变量一个量级以上，凡操纵性应计绝对值大于 1 而标准化总应计的绝对值却不足 0.5 的观测，其取值只能来自拟合值爆炸而非真实的盈余操纵，本数据集对主口径与稳健口径分别施加这一判据并将命中的取值置为缺失。需要说明的是，该处理只清除了特征最明确的个别观测，同一截面内其余企业的取值仍受同一组系数影响，因此建议在回归中一并加入行业与年度固定效应。 此外，本数据集提供三个样本标识列，用以显式暴露样本构成上的三类差异，它们不参与任何计算。其一是上市前财务年度标识：相当比例的企业年来自公司首次上市之前，其财务数据由招股说明书追溯披露，当时公司尚未受上市公司审计与信息披露监管的约束，与上市公司口径并不可比；由于每年新上市公司都会向前追溯灌入若干年度的历史数据，这部分观测在各年度中的占比很不均匀，越靠近样本期末尾越低。其二是同一主体重复代码标识：挂牌公司转板与退市后重新上市会带来证券代码变更，同一家公司在同一年度以两个代码各出现一次，财务数据完全相同，若不加处理会在面板回归中被重复计入。其三是上市板块标识，其中挂牌于全国中小企业股份转让系统的主体并未在证券交易所上市，其审计委托关系与监管强度均不同于上市公司。研究对象若限定为交易所上市公司，可借助这三列还原出与经典文献一致的样本。 补充说明 - 样本口径：本数据集不预先施加回归分析阶段才需要的样本限制，既未限定年份区间，也未剔除被实施特别处理的公司，并且交付未经缩尾的原始取值。这样处理是为了把筛选权留给使用者：受特别处理的公司恰是盈余管理研究的重点观测对象，提前删除会限制研究设计。使用者可依据自身研究窗口自行过滤，并按惯例对连续变量做缩尾处理。 - 金融业与市场板块：应计分解模型建立在工商企业的营运资本与折旧机制之上，对金融业并不适用，故金融门类公司不进入估计、其取值留空。同一主体在境内以两种股票代码分别交易时，其财务报表完全相同，为避免同一公司被重复计入截面回归，仅保留一套代码参与估计。 - 两个口径的前处理差异：主口径在估计前对回归变量按行业与年度做了尾部截断，以防个别极端观测左右系数估计；替代口径未施加同样的处理，因而其分布右尾明显更重。在少数截面中，尚未上市的公司经由招股说明书追溯披露的小规模财务数据集中进入样本，极小的期初总资产会使标准化后的变量取值异常放大，未经截断的最小二乘估计受其牵动，该截面上替代指标的整体水平会高于相邻年份，不仅体现在极值上，中位数亦有抬升。主口径因已有截断保护而不受此影响，逐年水平平稳。使用替代指标时建议纳入年度固定效应，或在自身回归样本内先行缩尾。 - 方法固有性质：以回归残差度量操纵，前提是模型设定能够刻画正常应计的生成过程。若某公司的经营模式与同行业同年度的多数公司差异较大，其残差会同时包含模型设定误差与真实操纵，二者在事后无法分离。此外，指标依赖期初总资产与上一期的收入、应收账款，故上市首年及财务数据不连续的企业年无法取值；滞后项按同一公司的上一条记录取得，当中间年度缺报时，基数会来自更早的年份。 - 规模效应：受模型中以期初资产倒数作解释项的设定影响，操纵性应计与公司规模呈负相关，小公司的取值系统性偏高。这一现象在采用该模型的文献中普遍存在。以本指标作被解释变量时，公司规模是必须控制的变量，且不宜将其视为完全外生的控制项；按规模分组做异质性比较时需格外谨慎。 - 中间变量的取值范围：总应计与期初总资产之比按原始口径交付，未做极值处理，因而包含少数因期初资产极小而取值极大的企业年。保留这些取值是有意为之——正是它们解释了同一企业年操纵性应计的异常水平，使用者可据此判断某个极端取值反映的是真实的会计断点，还是所在截面估计系数被放大的结果。 - 其他局限：极端取值多来自资产规模极小或经历重大资产重组的企业年，属真实的会计现象而非计算错误，但会显著影响未缩尾情形下的均值与标准差。 参考文献 [1]敖小波,孙龙渊.非审计服务与审计师的"语调操纵"——基于文本分析的经验证据[J].审计研究,2024(5):148-160. [2]Jones J J. Earnings management during import relief investigations[J]. Journal of Accounting Research, 1991, 29(2): 193-228. [3]Dechow P M, Sloan R G, Sweeney A P. Detecting earnings management[J]. The Accounting Review, 1995, 70(2): 193-225.

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。