公司特征、公允价值与审计收费
中图分类号：F23943 文献标识码：A
随着新会计准则的颁布，公允价值资产计量模式被逐渐推广开来，充分体现出我国会计准则与国际准则趋同的步伐。公允价值本身就具有先天不足的风险，面对正处资本市场发展起步阶段的中国而言，正确理解公允价值的核心――“公平交易”，是公允价值推广成功的关键。上市公司在历史成本模式下计量的资产净值远远低于其公允价值，如果完全改变计量模式，其影响是非常巨大的。新会计准则将公允价值模式作为企业的主要计量模式，让投资者更关注企业的真实价值，但我国尚不具备广泛运用公允价值计量模式的客观条件。据统计我国大多数行业都属于“相同资产的市场价格一般都不可得”层次，其公允价值缺乏相对准确的评估依据。因此，需要审计师们提供公正准确的审计意见。近年来，国内审计市场竞争日趋激烈，各会计、审计公司在招揽业务时纷纷采用低价策略，但审计超低价的背后是否充分考虑审计成本和审计风险，是否充分保证审计质量，这成为消费者普遍关心的问题。在这一背景下，我国上市公司在采用公允价值计量模式后，其对审计费用是否会产生影响？以公允价值计量和以历史成本计量对于审计人员来说是否存在差异？对于不同规模和盈利能力的公司而言这种差异是否有所不同？公允价值计量中的四种被审查的属性与审计费用之间又会是怎样的关系？聘请外部资产评估师对于公允价值的估测是否提供帮助？对于这些问题，本文将以国内1 433家上市公司2007-2013年期间的相关数据作为样本进行实证分析，研究公允价值模式的应用以及对审计费用的影响，试图找出两者之间的关系，并得出上述问题的答案。
本文的创新之处有两点。第一，新会计准则对审计师事务所的审计内容与范围作出规定，要求其必须对客户公司公允价值的四种属性进行审查：公允价值计量的披露比例，公允价值评估的复杂度，公允价值的识别和披露以及外部房地产评估师的使用效果，我们利用这四种变量分析公允价值模式对审计费用的影响。第二，我们将采用不同计量模式的公司进行比较，选用公司规模和盈利能力两个公司特征作为辅助变量，分析比较公允价值模式与历史成本模式下的审计费用。
一、文献回顾
Jensen 和Meckling（1976）[1]将审计费用定义为代理成本之一，其来源于所有者（资本）和公司管理层（代理）之间的合同安排。 而对审计收费的研究始源于20世纪70年代，Simunic（1980）[2]是最早提供有关控制成本决定因素方面理论和实证结论的学者之一，他通过实证分析得出影响审计收费的因素主要包括企业规模、资产收益率、业务复杂度等。后人的研究也主要围绕Simunic审计定价模型展开。Linck （2008）[3]认为规模大的公司由于监管难度更大或者由于现金流代理问题而使得其代理冲突更严重，其审计难度也就更大、审计收费更高。蒋义宏等（2004）[4]提出，审计费用受公司规模特征的影响，在被审计对象风险、复杂性、盈利能力等其他条件相同的情况下，规模大的公司业务发生频繁，业务量大，审计抽样规模也相对更大，因而伴随着更高的审计成本和更大的审计风险。Hay等人（2006）[5]的研究表明，在一个充满竞争的审计市场，决定审计费用的因素大致被分为客户属性、审计师属性和审计合同条款三类，其中客户属性最为重要。Srinidhi等（2006）[6]研究表明，审计费用会随着公司规模、盈利能力、风险、客户复杂性等的增大而提高。金智（2010）[7]运用私有信息交易理论，研究认为盈利能力差的公司往往更倾向于盈余管理，增加审计风险，从而提高审计费用。基于以上综述，本文认为将公司特征作为研究公允价值与审计收费关系的辅助变量具有理论支持。
随着会计计量模式的变革，研究公允价值计量效果对审计收费影响的文献也越来越多。早期的实证文献，如Hackenbrack和Knechel（1997）[8]的研究表明，判断公允价值测量的难易度是审计评估的内在挑战，根据IFRS规定，审计师通常会使用长期序列现金流或近似公允价值的可用性指标进行测量，如果难度越高，则其测量程序越多，审计工作就越多，这也会提高审计成本。Igor Goncharov等（2014）[9]在Libby研究的基础上进一步研究表明，公允价值的呈现方式不同，其审计费用也不同。此外有很多实证研究表明公允价值对审计环境的影响。Muller等（2011）[10]证明当欧洲上市公司被强制要求以公允价值披露其主营资产时，信息不对称性减少。Cotter和Richardson（2002）[11]运用信息不对称性理论研究指出，上市公司雇佣外部评估师会降低信息的不对称性，改善审计环境，降低审计成本。叶康涛和成颖利（2011）[12]的研究表明，公允价值信息具有价值相关性，而通过“四大”审计所的审计可以提高这种相关系数，降低公允价值的内在风险。
二、研究假设
在上市公司的会计处理中，通常会采用公允价值与历史成本两种模式。Watts（2006）[13]和Ramanna（2010）[14]认为，以公允价值计量存在主观随意性，是管理当局利润操纵和盈余管理的工具。针对以公允价值计量模式公司的审计工作，审计人员需要考虑审计工作的声誉和审计风险，声誉、审计风险的提高促使其必须更加谨慎的核实被审计资产的公允评估值，因此审计费用提高。据此，我们提出以下假设： 其中，客户包括以下变量：客户规模，即总资产规模（LogTA），Simunic（1980）认为客户规模是审计费用最具决定性的因素；复杂性，即国际资产占总资产的比例（Foreign）和上市公司纳入合并报表范围的子公司个数（NSegm），因为客户越复杂，其审计工作量越大，则审计费用越高，即正相关；公司盈利能力，这里假设与审计费用正相关，包括公司的资产收益率（ROA）、资本收益率（ROE）和经营杠杆系数（DOL），研究证明，当公司无法掩盖亏损的事实不得不报告时，公司管理层会采取所谓的除垢法操纵盈余，巨额冲销以前年度累计的损失和费用，为来年扭亏为盈做准备（阎达五等，2003）；此外，公司还应考虑资产负债率（Lev），资产负债率越高，融资约束越大，审计费用越高，即正相关；负股票面值（Distress）和保留意见（Qualified），这些负面值越高，公司经营越困难，审计费用越高，即正相关；月股票收益标准差（Volatility），因为标准差越大，收益波动越大，公司风险越高，审计费用就会越高，即正相关。
审计师事务所包括以下变量：事务所规模和声誉（BigN），因为规模越大，审计质量越高，声誉影响越大，审计费用越高，即正相关（即“大型审计公司溢价”）；审计年度（Yearend），因为旺季审计资源有限，供小于求，即审计费用会上涨[18]，即正相关。
解释变量包括HC、IFRS、HC*IFRS和LOSS，其中HC、IFRS和LOSS是二分变量。13表示新会计准则颁布前，采用历史成本模式与公允价值模式下审计费用的差异；14表示新会计准则的颁布对一直采用公允价值模式的上市公司的审计费用的影响；15表示上市公司在新会计准则颁布前采用历史成本模式，而新会计准则颁布后转变为公允价值模式对审计费用的递增效益（通过资产负债表列示或附注披露），这项系数用来验证H1A；16表示成本减折旧模式下，差的盈利能力导致审计风险的增加对审计费用的影响，这项系数用来验证H1B。
（三）公允价值的四种属性对审计费用的影响（模型2）――模型设计与变量含义
我们依然使用倍差分析来检测H2，通过这四种公允价值属性――披露比例、复杂性、列示与披露和外部评估师的使用，来表现所选样本公司的差异。我们建立的模型如下：
四个解释变量与H2一一对应。首先，FV_Exposure表示公司以公允价值列示或披露的比例高于行业平均水平。如果高披露比例意味着额外的审计工作量，因为审计师需要验证资产的公允价值，则与审计费用正相关；然而，还有两一种可能，即高的披露比例会降低审计费用，因为可以简化验证公允价值的步骤或简化昂贵的审计流程，则与审计费用负相关，其系数β12用来验证H2A。其次，Complex通过样本公司不同子公司投资组合的差异性来表现公允价值测量的复杂性。如果大的复杂性增加了额外的审计工作量，则与审计费用正相关，其系数β13用来验证H2B。然后，Recog表示公允价值变化列示在资产负债表（或损益表）上。如果这样的列示会导致额外的审计工作量，则与审计费用正相关，其系数β14用来验证H2C。最后，External表示聘请外部资产评估师所引起的审计费用的变化。如果可以产生替代效应减少审计工作量，则与审计费用负相关，其系数β15用来验证H2D。以上研究设计的相关变量定义如表1。
四、实证结果与分析
（一）描述性统计分析
从表2可以看出 ，样本公司中支付的年报审计费用平均为66万元，其中支付最少的为10万元，支付最多的为73万元。样本公司平均总资产为598亿元，每万元资产的审计费用仅为11元。平均子公司数为11家。ROA和ROE平均为-2567和0127，经营杠杆的均值为139，资产负债率的平均值为1826。
从表3的差分数据对数化变量的描述性统计分析中我们可以看出，样本公司中支付的年报审计费用对数的均值为13万元。样本公司平均总资产为21亿元，每万元资产的审计费用仅为061元。DDOL和DLev的平均值为0249和-0028，月股票收益标准差的均值为-0001。
（二）模型1实证分析
进行计量分析时采用固定效应的面板数据模型和随机效用模型。根据样本数据的具体情况，再根据检验结果选择最佳效应。
1.豪斯曼检验（此处略去检验结果表）。本文中的计量结果均使用STATA120统计软件计算而得到。根据参数的性质不同，面板数据模型分为固定效应模型和随机效应模型。当横截面的单位是总体单位时，即个体样本之间的差异可以被看做是回归的参数变动时，通常采用固定效应模型。反之，则采用随机效应模型。
为了更好地进行面板数据的分析，我们运用豪斯曼检验来分析应当使用固定效应模型还是随机效应模型。
通过豪斯曼检验结果（Prob>chi2=06604>1%）表明我们应当使用随机效应模型，因此对于数据可以知道运用面板数据随机效应模型进行分析的结果是可信的。
2.随机效用实证结果分析（此处略去回归模型指标分析表）。通过计量分析表明，拟合优度为0445，说明模型拟合度很好，整体解释能力较好。组间关系为0525，组内关系为0443，并且Wald chi2（15）值为24062，Prob>chi2为0000，有理由认为之前建立模型并对样本数据进行计量分析，所得结果是可信的。
表4为以DLNFees为因变量，以HC、IFRS、HC*IFRS、LOSS、DLNTA、NSegm、ROA、LOSS、DDOL、DLev、Distress、Qualified、DVolatility、BigN、Yearend为自变量和控制变量的多因素固定效用面板回归结果，结果显示：LOSS、DLNTA、NSegm、ROA、DLev、Distress的回归系数值分别为0332、0095、0003、-0011、0009、0292，对应的P值均小于010，具有显著的统计学意义。因此，说明LOSS、DLNTA、NSegm、ROA、DLev、Distress均会对DLNFees产生显著的影响作用。 3.异方差检验（此处略去检验结果表）。面板回归一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。如果这一假定不满足，即随机误差项具有不同的方差，则称线性回归模型存在异方差性。在方程存在异方差时，会产生伪回归。
异方差估算的结果表明面板回归方程存在异方差，因此需要对面板回归结果进行异方差的修正（chi2的值为220E+06，Prob>chi2=0000）。
4.自相关检验（此处略去检验结果表）。自相关估算的结果表明面板回归方程不存在自相关，因此不需要对面板回归结果进行自相关的修正（F（1，58）的值为3.254，Prob>F=0.076；大于0.10）。
表5为以DLNFees对数为因变量，以HC、IFRS、HC*IFRS、LOSS、DLNTA、NSegm、ROA、LOSS、DDOL、DLev、Distress、Qualified、DVolatility、BigN、Yearend为控制变量的多因素回归分析结果，结果显示：HCIFRS、LOSS、DLNTA、NSegm、ROA、ROE、DDOL、DLev、Distress、Qualified、DVolatility、BigN、Yearend的回归系数值分别为-0.009、0.224、0.053、0.001、0.006、0.011、0.001、0.005、0.279、0.011、0.032、0.039、0.012，对应的P值均小于0.05，具有显著的统计学意义，因此说明HC*IFRS、LOSS、DLNTA、NSegm、ROA、ROE、DDOL、DLev、Distress、Qualified、DVolatility、BigN、Yearend均会对DLNFees对数产生显著的影响作用。其中HC*IFRS的回归系数为负数，说明HC*IFRS会对DLNFees对数产生显著的负性影响作用，即HC*IFRS越高，DLNFees对数反而越低。LOSS、DLNTA、NSegm、ROA、ROE、DDOL、DLev、Distress、Qualified、DVolatility、BigN、Yearend的回归系数为正数，说明LOSS、DLNTA、NSegm、ROA、ROE、DDOL、DLev、Distress、Qualified、DVolatility、BigN、Yearend会对DLNFees对数产生显著的正性影响作用，即这些变量的数额越高，DLNFees对数也越高。
（三）模型2实证分析
1.豪斯曼检验（此处略去检验结果表）。通过豪斯曼检验结果（Prob>chi2=0.491>1%）表明我们应当使用随机效应模型，因此对于数据可以知道运用面板数据随机效应模型进行分析的结果是可信的。
2.随机效用实证结果分析（此处略去回归模型指标分析表）。计量分析结果表明，拟合优度为0.333，说明模型拟合度很好，整体解释能力较好。组间关系为0.369，组内关系为0.339，并且Wald chi2（15）值为154.45，Prob>chi2为0.000，有理由认为之前建立模型并对样本数据进行计量分析，所得结果是可信的。
表6为以DLNFees为因变量，以FV_Exposure、Complex、Recog、External、DLNTA、NSegm、ROA、ROE、DDOL、DLev、Distress、Qualified、DVolatility、BigN、Yearend为自变量和控制变量的多因素固定效用面板回归结果，结果显示：DLNTA的回归系数值分别为0.090，对应的P值均小于0.10，具有显著的统计学意义，因此说明DLNTA均会对DLNFees产生显著的影响作用。
3.异方差检验（此处略去检验结果表）。异方差估算的结果表明检验的结果拒绝原假设，表明面板回归方程存在异方差，因此需要对面板回归结果进行异方差的修正（chi2的值为3.10E+06，Prob>chi2=0.000）。
4.自相关检验（此处略去检验结果表）。自相关估算的结果表明面板回归方程不存在自相关，因此不需要对面板回归结果进行自相关的修正（F（1，60）的值为2.268，Prob>F=0.1373；大于0.10）。
5.异方差与自相关的修正（此处略去检验结果表）。计量分析结果表明，修正后的模型对样本数据进行计量分析，所得结果是可信的（Wald chi2（15）值950.95，Prob>chi2为0.000）。
表7为以DLNFees对数为因变量，以FV_Exposure、Complex、Recog、External、DLNTA、NSegm、ROA、ROE、DDOL、DLev、Distress、Qualified、DVolatility、BigN、Yearend为控制变量和自变量的多因素回归分析结果，结果显示：FV_Exposure、Recog、External、DLNTA、NSegm、ROA、ROE、DDOL、DLev、Distress、Qualified、DVolatility、BigN、Yearend的回归系数值分别为-0.023、0.012、0.041、0.071、0.037、-0.034、0.0315、0.001、0.006、0.253、0.007、0.0541、0.074、0.001，对应的P值均小于0.05，具有显著的统计学意义，因此说明HC*IFRS、LOSS、DLNTA、NSegm、ROA、ROE、DDOL、DLev、Distress、Qualified、DVolatility、BigN、Yearend均会对DLNFees对数产生显著的影响作用。其中FV_Exposure、ROA的回归系数为负数，说明会对DLNFees对数产生显著的负性影响作用，即HC*IFRS越高，DLNFees对数反而越低。Recog、External、DLNTA、NSegm、ROE、DDOL、DLev、Distress、Qualified、DVolatility、BigN、Yearend的回归系数为正数，说明Recog、External、DLNTA、NSegm、ROE、DDOL、DLev、Distress、Qualified、DVolatility、BigN、Yearend会对DLNFees对数产生显著的正性影响作用，即这些变量的数额越高，DLNFees对数也越高，External对应的结果不显著。 五、研究结论与建议
公允价值计量模式自其应用以来就一直成为人们热议的焦点，研究上市公司公允价值与审计收费的关系在理论上和实务上都具有重要意义。本文以2007-2013年期间深沪两市1 433家A股上市公司为研究对象，采用Simunic审计定价模型检验了公司特征、公允价值与审计收费的关系，研究结论如下：
第一，对于上市公司而言，采用历史成本模式下的审计收费要高于公允价值计量模式下的审计收费。
第二，公司特征中的盈利能力与公司规模两个因素与审计收费密切相关。
第三，公允价值计量占主营资产比例越大的公司，其审计费用越低；将公允价值列示在资产负债表中（相对于披露在附注中而言）的公司，其审计费用更高；实证研究缺乏充分证据表明聘请外部评估师对于审计费用存在影响。
本文的研究结果表明，公允价值的采用并不必然导致审计收费的上升。在历史成本模式中，盈利能力差的公司会更普遍地进行会计利润操纵，进而加大了审计风险，导致审计收费的增加。公司规模越大，审计测量的手段越复杂，则审计费用越高。同样，将公允价值列示在资产负债表中而不是披露在附注中，更能引起信息使用者如监管机构以及投资者的关注，审计人员对报表列示审计的工作量和所承担的风险更大，审计收费也就越高。以公允价值计量主营资产比例越大，审计工作更加规范单一，则审计工作的控制成本越低。尽管国外的研究证明聘请外部评估师可以降低审计风险从而导致审计收费减少，但本文的研究结果证明，现阶段我国上市公司聘请外部专家对其资产进行公允价值评估在降低信息不对称方面的作用尚不显著。
本文研究成果的更深层次意义是，随着会计计量从历史成本模式向公允价值模式的转变，会计目标在于向信息使用者提供有助于未来经济决策的数量化信息，它最为关注的信息是未来现金流量的金额、时间分布和不确定性。因此，审计工作的重点也将由传统的纠错防弊转向对被审计对象估值信息的评估，审计质量的标准不再是单纯编制报表所依据的会计准则和会计系统，审计收费更多地取决于来源于对估值不确定性所带来风险的大小。
