关联方交易、事务所规模与审计质量

Related Party Transactions, Firm Size and Audit Quality

摘要: 本文以2014~2018年中国A股上市公司数据为样本，检验了关联方交易对审计质量的影响，以及事务所规模对关联方交易与审计质量之间关系的影响。通过实证研究，本文发现：1) 关联方交易与审计质量有显著负相关关系；2) 事务所规模不会影响关联方交易与审计质量的负相关关系。本文研究表明，关联方交易会损害审计质量，并且事务所规模并不能降低关联方交易对审计质量的损害，监管机构应该加强对关联方交易的审查。

Abstract: Taking the data of Chinese A-share listed companies from 2014 to 2018 as samples, this paper tests the impact of related party transactions on audit quality and the impact of firm size on the relationship between related party transactions and audit quality. Through the empirical study, this paper finds that: 1) Related party transactions have a significant negative correlation with audit quality; 2) Firm size will not affect the negative correla-tion between related party transactions and audit quality. This paper shows that related party transaction damages audit quality and firm size does not reduce the damage of related party trans-actions to audit quality. Regulators should step up scrutiny of related party transactions.

1. 引言

企业并购、重组使得不同企业之间形成了各种各样的关联方关系，存在着非常复杂的关联方交易。关联方交易在帮助企业获得市场竞争优势、降低交易成本、实现规模经营的同时，也成为企业操纵利润的手段。《企业会计准则》对企业披露关联方交易的要求在一定程度上制约着企业之间的非公允关联方交易，但是由于关联方交易的繁杂，其公允与否比较难判断，所以《准则》并不能完全杜绝企业为了追究自身利益而进行隐蔽的非公允关联方交易。非公允关联方交易破坏了市场交易的公平性，可能会影响投资者的利益，甚至会扰乱资本市场的秩序，影响其发展。

作为市场第三方的注册会计师对企业的审计工作对资本市场的信息披露极为重要。许多投资者的投资依据主要是经注册会计师审计企业的财务报告以及审计报告。注册会计师在面对隐蔽复杂的关联方交易时，如何应对？审计质量是否会受到关联方交易的影响？本文通过检验关联方交易对审计质量的影响，从关联方交易角度寻找提高审计质量的方法，从而提高上市公司会计信息可靠性，维护证券市场稳定持续发展。另外，本文研究事务所规模对关联方交易与审计质量关系的影响，为事务所的发展提供借鉴。

2. 理论分析与研究假设

关联方交易因其隐蔽等特点成为企业财务舞弊的手段之一(阚京华，2001 [1])。企业利用关联交易进行盈余管理(关月琴和赵迪斐，2014 [2])，实现扭亏为盈(陈晓和戴翠玉，2004 [3])；关联方利用关联交易进行利益转移(孟焰和张秀梅，2006 [4])；控股股东利用关联方交易获得控制权收益(佟岩和王化成，2007 [5])。然而，利用关联方交易进行财务舞弊不仅严重影响会计信息质量(黄世忠，2001 [6])，也会危害资本市场发展。作为资本市场守门人的会计师事务所，对关联方交易的审计需要投入更多人力、财力。由于关联方交易本身具有复杂性，对于存在关联方交易的客户会计师事务所会收取更高的审计费用(马建威和李伟，2013 [7]；王进朝和王振德，2017 [8])。存在关联方交易的公司也更容易收到“非标”审计意见(吕伟和林昭呈，2007 [9])。

DeAngelo (1981) [10] 认为，审计质量是审计师发现其审计的客户存在财务违规行为，以及报告这一财务违规行为的联合概率。根据委托代理理论和信息不对称理论，企业管理层具有信息优势，其可以利用信息优势进行财务舞弊，而关联方交易又是财务舞弊的常用手段(袁树民和杨召华，2007 [11])。由于关联方交易的方式有很多，并且许多关联方交易比较隐蔽，企业利用关联方交易进行财务舞弊很难被注册会计师发现，即关联方交易的审计风险比较高，注册会计师的审计质量也会在一定程度上受到影响。基于此，提出本文假设1：

H1：控制相关变量情况下，关联方交易与审计质量显著负相关。

会计师事务所之间存在差异，漆江娜等(2004) [12] 认为，“四大”事务所审计的客户比“非四大”审计的客户有更低的操纵性应计利润，说明在中国审计市场中“四大”审计质量更好。吴水澎和李奇凤(2006) [13] 认为，审计质量的高低排名为：国际四大 > 国内十大 > 国内非十大。大型事务所的注册会计师有较强的专业胜任能力，独立性审查也较严格，因此，规模较大的事务所审计质量较高。审计存在关联方交易的企业时，规模大的会计师事务所因其能够提供较高审计质量会抑制关联方交易对审计质量的影响。基于此，提出本文假设2a：

H2a：控制相关变量情况下，事务所规模可以抑制关联方交易与审计质量之间的负相关关系。

原红旗和李海建(2003) [14] 认为，审计意见不因会计师事务所是十大所还是非十大所(即会计师事务所的规模大小)有显著变化，会计师事务所的类型不足以严重影响审计意见。事务所的审计质量不因为事务所的规模不同而产生显著差异(夏立军和杨海斌，2002 [15])，那么在不同规模事务所中，关联方交易对审计质量的影响可能没有区别。基于此，提出本文假设2b：

H2b：控制相关变量情况下，事务所规模不影响关联方交易与审计质量之间的负相关关系。

3. 实证设计

3.1. 样本选择与数据来源

本文以2014~2018年沪深A股上市公司为样本，数据来源于CSMAR数据库，并进行以下处理：1) 剔除被ST的上市公司；2) 剔除金融业上市公司；3) 删除数据缺失的样本；4) 删除行业样本数少于20的样本。最终得到2135家上市公司2014~2018年共计10,675个观测值。本文对所有连续变量进行了上下1%的缩尾处理(Winsorize)，以减少极端值对研究结论的影响。本文应用Excel和Stata 15.1来统计、处理数据。

3.2. 模型设计与变量说明

3.2.1. 模型设计

借鉴现有研究并根据研究假设，构建模型(1)和模型(2)：

$\left|\text{DA}\right|={\beta }_0+{\beta }_1\text{RPT}+{\beta }_2\text{SIZE}+{\beta }_3\text{REV}+{\beta }_4\text{INV}+{\beta }_5\text{ALR}+{\beta }_6\text{ROA}+{\beta }_7\text{LOSS}+{\beta }_8\text{OPINION}+\epsilon$ (1)

$\begin{array}{c}\left|\text{DA}\right|={\beta }_0+{\beta }_1\text{RPT}+{\beta }_2\text{BIG}4+{\beta }_3\text{RPT}\ast \text{BIG}4+{\beta }_4\text{SIZE}+{\beta }_5\text{REV}+{\beta }_6\text{INV}+{\beta }_7\text{ALR}\\ +{\beta }_8\text{ROA}+{\beta }_9\text{LOSS}+{\beta }_{10}\text{OPINION}+\epsilon \end{array}$ (2)

3.2.2. 变量说明

本文的变量定义如表1所示，解释变量为关联方交易(RPT)和事务所规模(BIG4)。对于RPT：通常关联方交易的金额较大，因此，用上市公司年报中披露的关联方交易金额占资产总额的比作为解释变量。对于BIG4：本文通过设置虚拟变量来衡量事务所规模，当样本公司的审计机构为“四大”(即普华永道、德勤、毕马威、安永)时取1，否则取0。被解释变量为审计质量，用操纵性应计利润的绝对值(|DA|)衡量。

Table 1. Variable definition table

表1. 变量定义表

操纵性应计利润通过修正后的琼斯模型计算。参考夏立军(2002) [16]，修正后的琼斯模型如下：

${\text{NDA}}_{i,t}={\alpha }_1\left(1/{\text{A}}_{i,t-1}\right)+{\alpha }_2\left[\left(\Delta {\text{REV}}_{i,t}-\Delta {\text{REc}}_{i,t}\right)/{\text{A}}_{i,t-1}\right]+{\alpha }_3\left({\text{PPE}}_{i,t}/{\text{A}}_{i,t-1}\right)$ (3)

${\text{TA}}_{i,t}/{\text{A}}_{i,t-1}=a_1\left(1/{\text{A}}_{i,t-1}\right)+a_2\left(\Delta {\text{REV}}_{i,t}/{\text{A}}_{i,t-1}\right)+a_3\left({\text{PPE}}_{i,t}/{\text{A}}_{i,t-1}\right)+{\epsilon }_{i,t}$ (4)

${\text{DA}}_{i,t}={\text{TA}}_{i,t}/{\text{A}}_{i,t-1}-{\text{NDA}}_{i,t}$ (5)

公式(3)~(5)中的变量及其解释如表2所示。首先，根据公式(4)回归得出α₁、α₂、α₃的OLS估计值α₁，α₂、α₃，带入公式(3)中得出NDA的值，再根据公式(5)计算得出DA。本文对DA取绝对值，即|DA|代表操纵性应计利润的绝对值，以此来降低负值对研究结论的影响。

Table 2. Variables and their explanation

表2. 变量及其解释

4. 实证结果

4.1. 描述性统计

表3为描述性统计结果，统计分析了本文假设模型所涉及的所有变量。被解释变量操纵性应计利润的绝对值(|DA|)的平均值为0.059，最大值为0.395，最小值为0.001，说明上市公司存在一定程度的操纵性应计利润；解释变量关联方交易金额占公司资产总额比例(RPT)的平均值为0.395，最大值为2.955，最小值为0.001，说明不同公司关联方交易占比差异比较大，一些公司关联方交易规模较大；BIG4为虚拟变量，其平均值为0.062，本文共计10675个样本中，由“四大”审计的样本共有662个，占比6.2%，说明虽然“四大”在我国审计市场中排名靠前，但是市场份额不大。公司规模的最小值19.874与最大值26.244之间有一定的差距，说明不同公司资产规模的差距可能导致审计质量不同；不同公司的应收账款占比以及存货占比都有一定差距；资产负债率平均为44.5%，最小值0.06，最大值0.912，不同公司的负债水平有很大差距；总资产收益率ROA的最小值为−0.253，最大值为0.186，不同上市公司之间也存在一定差距；审计意见类型为虚拟变量，其平均值为0.969，在10675个样本中，10342家公司的审计意见为标准无保留意见，表明收到非标意见审计报告的上市公司比较少。

Table 3. Descriptive statistics

表3. 描述性统计

4.2. 相关性分析

本文进行了person系数分析，以判断各个变量之间是否存在共线性。表4列示了本文变量的person系数，大部分变量之间的相关系数小于0.5，表明变量之间不存在多重共线性。另外，操纵性应计利润的绝对值(|DA|)与关联方交易金额占资产总额的比(RPT)在1%的统计水平显著正相关，这与本文的研究假设是一致的。

Table 4. Person coefficients

表4. Person系数

注：^***p < 0.01，^**p < 0.05，^*p < 0.1。

4.3. 多元回归结果

本文的回归结果如表5所示。在模型1中，关联方交易金额占资产总额的比例(RPT)与审计质量的替代变量(|DA|)之间的系数为0.007，在5%的水平上显著为正，说明关联方交易与操纵性应计利润显著正相关，与审计质量显著负相关，这与本文的假设1是一致的。在模型2中，关联方交易与事务所规模的交叉项(RPT*BIG4)与审计质量的替代变量(|DA|)之间的系数为−0.010，但是t值为−1.10，表明事务所规模对关联方交易与审计质量之间的关系没有影响，即无论“四大”，还是“非四大”，关联方交易均会降低审计质量，这支持了本文的假设2b。

控制变量的回归结果表明：公司规模SIZE与操纵性应计利润|DA|(审计质量)正(负)相关。应收账款占比和存货占比都与操纵性应计利润(审计质量)正(负)相关。资产负债率(ALR)越高，审计质量越低。总资产收益率(ROA)越高，审计质量越高。公司亏损(LOSS)与操纵性应计利润(|DA|)正相关，与审计质量负相关，公司亏损时有扭亏为盈的盈余管理动机，审计质量会因此有所下降。审计意见(OPINION)与操纵性应计利润(|DA|)负相关，与审计质量正相关。当公司收到非标意见的审计报告时，说明公司存在某些问题，审计质量可能因这些问题而降低。

综上所述，本文回归结果与研究假设H1 (即关联方交易与审计质量显著负相关)以及假设H2b (即事务所规模不影响关联方交易与审计质量的关系)是一致的。

Table 5. Multiple regression results

表5. 多元回归结果

注：^***p < 0.01，^**p < 0.05，^*p < 0.1。

4.4. 稳健性检验

本文进行了稳健性检验以保证文章的严谨性。将关联方交易的替代变量换成关联方交易金额的自然对数(LNRTP)，然后进行与前文相同的回归分析。稳健性回归结果如表6所示，关联方交易金额的自然对数(LNRTP)与审计质量的替代变量(|DA|)之间的系数为0.001，在10%的水平上显著为正；关联方交易与事务所规模的交叉项(LNRPT*BIG4)与审计质量的替代变量(|DA|)之间的系数为−0.013，t值为−1.21。回归结果表明，上述研究结论依然成立，本文的模型和实证结果具有一定的稳健性。

Table 6. Robustness test multiple regression results

表6. 稳健性检验多元回归结果

注：^***p < 0.01，^**p < 0.05，^*p < 0.1。

5. 结论

本文以2014~2018年的A股上市公司为样本，用操纵性应计利润衡量审计质量，研究了关联方交易、事务所规模与审计质量之间的关系。实证研究结果表明，关联方交易与审计质量显著负相关，及关联方交易的存在会降低审计质量；并且本文进一步以事务所规模作为调节变量，研究发现，是否是“四大”事务所对关联方交易与审计质量的负相关关系没有影响，即事务所规模不会影响关联方交易对审计质量的负向作用，这表明我国审计市场没有形成一定的声誉机制，事务所规模扩大不能提高审计质量。本研究对监管机构加强关联方交易审查、规范事务所发展具有一定借鉴和启示。