审计师–客户不匹配关系对企业债务融资效率的影响研究——基于会计稳健性的调节效应

The Impact of Auditor-Client Mismatch on Enterprises’ Debt Financing Efficiency—Based on the Moderating Effect of Accounting Conservatism

摘要: 基于2007~2023年我国沪深A股上市公司为研究对象，针对审计师–客户不匹配关系对企业债务融资效率的影响进行研究，并引进会计稳健性作为调节变量，深入探究三者之间的关系。研究发现，审计师和客户不匹配关系对企业债务融资效率有显著影响，向上不匹配和向下不匹配均会降低企业的债务融资效率，并且采用稳健性较高的会计政策的企业若选择与其不匹配的事务所进行审计时，不匹配关系对企业债务融资效率的负面影响将得到一定程度的削弱。通过中介效应检验发现，向下不匹配通过弱化审计监督效能从而降低债务融资效率，未直接检验出向上不匹配影响债务融资效率的路径。该研究进一步拓展了会计师事务所与企业双方策略互动下的审计师–客户不匹配关系所带来的经济后果研究，也有助于企业选择与自身业务相匹配的事务所进行审计，改善企业的融资环境。

Abstract: Taking China’s A-share listed companies on the Shanghai and Shenzhen Stock Exchanges from 2007 to 2023 as the research object, this paper studies the impact of auditor-client mismatch on enterprises’ debt financing efficiency, and introduces accounting conservatism as a moderating variable to explore the relationship among the three in depth. The study finds that auditor-client mismatch has a significant impact on enterprises’ debt financing efficiency, with both upward and downward mismatches reducing such efficiency. For enterprises adopting accounting policies with a higher level of conservatism, the negative impact of auditor-client mismatch on their debt financing efficiency will be mitigated to a certain extent. The mediating effect test shows that downward mismatch reduces debt financing efficiency by weakening the effectiveness of audit supervision, while the direct impact path of upward mismatch on debt financing efficiency is not verified. This study further expands the research on the economic consequences of auditor-client mismatch under the strategic interaction between accounting firms and enterprises, and also helps enterprises select accounting firms that match their own business operations, thus improving the financing environment of enterprises.

1. 引言

在我国经济转型深化、高质量发展推进阶段，企业融资效率与资本配置质量关乎宏观经济增长动能，银行借款因其融资规模可控、融资期限灵活，成为我国企业的主要融资渠道。银行信贷决策基于风险收益权衡，高度依赖企业真实完整的财务经营信息，而委托代理理论下银企存在天然信息不对称，管理层或为私利操纵会计信息，使银行面临“逆选择”风险。外部审计作为独立第三方，可通过鉴证财报验证会计信息公允性，缓解银企信息不对称，且其监督效能与企业内部治理机制协同作用[1]。内部治理不完善会让审计监督流于形式，健全的内部治理则能为审计发挥作用提供良好制度环境。此外，稳健的会计政策能遏制管理层机会主义行为，提升会计信息质量与透明度，缓解信息不对称，助力长期资本发展并提升企业融资效率。

本文以2007~2023年沪深A股上市公司为样本，研究审计师–客户不匹配对企业债务融资效率的作用机制，引入会计稳健性为调节变量，并从产权性质、行业成长性展开异质性检验，中介效应检验发现向下不匹配会通过弱化审计监督降低融资效率，未发现向上不匹配的影响路径。本文拓展了相关经济后果研究，补充了会计稳健性研究，也为企业、银行及会计师事务所提供了实践参考。

2. 理论分析与假设

(一) 审计师–客户不匹配关系与企业债务融资效率

基于优序融资理论，债务融资是我国企业主要融资方式，而企业与债权人间的信息不对称会推高融资成本、降低效率。依据信息不对称理论，缓解该问题至关重要，第三方会计师事务所的财报审计作为风险转移机制，能增强债权人信心，有效缓解信息不对称。会计师事务所与被审计单位双向选择存在动态博弈，供需匹配形成审计师–客户匹配关系[2]，事务所调整目标客户群易引发双方不匹配[3]。会计师事务所对审计监督治理效果的影响通过影响审计专业能力与独立性作用于治理效果，匹配度高则审计质量、财报可信度提升，能缓解信息不对称，且信号传递更真实。信息不对称缓解可降低债权人感知风险、提升会计信息质量，进而降低企业债务融资成本、提升融资效率；二者不匹配的信号会被识别，影响债权人信贷评估与信任，进而作用于企业债务融资成本和效率。基于此，提出假设：

H1：相较于选择与企业相匹配的事务所而言，选择与企业不匹配的事务所进行审计会影响企业的债务融资效率。

(二) 审计师–客户不匹配类型与企业债务融资效率

现有研究将这种不匹配关系划分为两种类型(Bills, 2012) [4]：第一种为向上不匹配，指原本应由经验相对欠缺的中小型会计师事务所审计的企业选择了经验相对丰富的大型会计师事务所进行审计；第二类为向下不匹配，指原本应由经验相对丰富的大型会计师事务所审计的企业选择了经验相对欠缺的中小型会计师事务所进行审计(Shu, 2000 [5]；董沛武，2018 [6]；李璐，2022 [7])。

会计师事务所通过影响专业能力匹配度与审计独立性影响审计效能，二者在不同的不匹配类型中作用不同，进而对企业债务融资效率产生差异化影响。向上不匹配时，大型事务所专业能力强、对小型客户独立性高，能提升企业财务信息质量、缓解信息不对称，且该选择向债权人传递利好信号，降低债务融资成本、提升融资效率。向下不匹配时，中小型事务所审计资源与经验不足，且易因市场格局丧失独立性，损害会计信息质量、加剧信息不对称，其选择也会向债权人传递负面信号，推高债务融资成本、降低融资效率。基于此，提出假设：

H2a：向上不匹配提升企业的债务融资效率。

H2b：向下不匹配降低企业的债务融资效率。

(三) 审计师–客户不匹配关系、会计稳健性与企业债务融资效率

基于信息不对称理论，企业与债权人间的信息壁垒会让债权人面临风险，推高企业债务融资成本、降低融资效率。而稳健会计政策能约束管理层机会主义行为[8]，优化信息披露、提升财务透明度，缓解信息不对称，助力债权人评估风险，改善企业债务融资环境[9]。

审计师与客户的匹配关系决定外部监督有效性，其监督旨在降低代理冲突。当存在向上不匹配时，大型会计师事务所监督效能虽强，但企业会计稳健性形成的内部治理会替代其部分职能，削弱外部监督作用；当存在向下不匹配时，中小型事务所监督能力不足，会计稳健性可填补外部监督缺口，保障财务信息质量。审计师–客户不匹配会弱化外部监督、加剧信息不对称，损害债务融资效率，而会计稳健性能弥补该监督缺陷，缓解其对债务融资效率的负面影响。基于此，提出假设：

H3：在会计稳健性较高的企业中采用与自身不匹配的事务所进行审计时，其对企业债务融资效率的负面影响将得到一定程度的削弱。

3. 研究设计

(一) 样本选取和数据来源

本研究以2007~2023年我国沪深A股上市公司为样本，剔除金融及房地产类、ST、*ST、关键变量及高缺失率公司，对连续变量进行1%水平Winsorize缩尾处理，最终得到33,868个有效样本。研究数据均来自CSMAR数据库，采用EXCEL、DEAP及STATA17.0完成数据处理与实证分析。

(二) 模型构建

在此基础上，本文通过构建多元回归模型，以实证检验审计师–客户不匹配关系是如何影响企业债务融资效率的(H1)：

${\text{DFE}}_{i,t}={\alpha }_0+{\alpha }_1\times {\text{Mismatch}}_{i,t-1}+{\displaystyle \sum {\alpha }_j\times {\text{Control}}_{i,t-1}}+{\displaystyle \sum {\text{Ind}}_{i,t}}+{\displaystyle \sum {\text{Year}}_{i,t}}+{\epsilon }_{i,t}$ (1)

通过上述理论分析可知，本文将审计师–客户不匹配关系细分为向上(Misup)和向下(Misdown)两种类型，并将其作为模型的解释变量。为了检验H2a和H2b，构建以下模型：

${\text{DFE}}_{i,t}={\alpha }_0+{\alpha }_1\times {\text{Misup}}_{i,t-1}+{\displaystyle \sum {\alpha }_j\times {\text{Control}}_{i,t-1}}+{\displaystyle \sum {\text{Ind}}_{i,t}}+{\displaystyle \sum {\text{Year}}_{i,t}}+{\epsilon }_{i,t}$ (2)

${\text{DFE}}_{i,t}={\alpha }_0+{\alpha }_1\times {\text{Misdown}}_{i,t-1}+{\displaystyle \sum {\alpha }_j\times {\text{Control}}_{i,t-1}}+{\displaystyle \sum {\text{Ind}}_{i,t}}+{\displaystyle \sum {\text{Year}}_{i,t}}+{\epsilon }_{i,t}$ (3)

对于假设H3会计稳健性的检验，本文采用分组回归检验会计稳健性是否在审计师–客户不匹配关系与企业债务融资效率之间起到调节效应，所用模型为公式(1)。

(三) 变量定义与测量

1) 审计师–客户不匹配关系的度量

审计客户的财务状况和经营状况决定了该公司现在及未来一定时期内潜在的审计需求(Shu, 2000) [5]。本文借鉴董沛武(2018) [6]的思路测量“审计师–客户不匹配关系”，即本文的核心解释变量，通过选取反映公司运营以及财务情况的相关指标，如表1所示，构建Logistic回归模型：

$\begin{array}{c}\text{Big}{10}_{i,t}={\alpha }_0+{\alpha }_1\times {\text{Lnsize}}_{i,t}+{\alpha }_2\times {\text{Aturn}}_{i,t}+{\alpha }_3\times {\text{CR}}_{i,t}+{\alpha }_4\times {\text{Lev}}_{i,t}\\ +{\alpha }_5\times {\text{Roa}}_{i,t}+{\displaystyle \sum {\text{Ind}}_{i,t}}+{\displaystyle \sum {\text{Year}}_{i,t}}+{ℰ}_{i,t}\end{array}$

在Logistic回归中被解释变量Big10为虚拟变量，选Top10事务所取1否则为0；经probit回归得拟合值，参照Shu (2000) [5]的做法确定最佳临界概率0.469，划分潜在客户类型。对比企业审计师期望与实际选择，不一致时将不匹配变量Mismatch赋值为1，如表2所示。

本文参考董沛武(2018) [6]研究，以可操纵性应计利润绝对值度量审计质量(DA)，经T检验发现国内“十大”事务所审计质量显著优于“非十大”[10] [11]，如表3所示。据此定义，期望选“非十大”实际选“十大”为向上不匹配(Misup = 1)，期望选“十大”实际选“非十大”为向下不匹配(Misdown = 1)，如表2所示。

Table 1. Definition table of variables of measurement model for mismatch between customers and auditors

表1. 客户与审计师不匹配测算模型变量定义表

变量名	定义
Big10	选聘国内“十大”会计师事务所取值为1，否则为0
Lnsize	上市公司总资产的自然对数
Aturn	总资产周转率 = 销售收入/期末总资产
CR	流动比率 = 流动资产/流动负债
Lev	杠杆比率 = 总负债/总资产
Roa	总资产收益率 = 净利润/总资产

Table 2. Definition of mismatch between customer and auditor

表2. 客户与审计师不匹配取值定义

Big10	Probbig10	Mismatch	Misdown	Misup
1	≤临界值	1	0	1
0	>临界值	1	1	0
1	≤临界值	0	0	0
0	>临界值	0	0	0

Table 3. “Top Ten” and “Non-Top Ten” audit quality T test in China

表3. 国内“十大”和“非十大”审计质量T检验

变量名	会计师事务所
	Big10 = 1 (“十大”会计师事务所)	Big10 = 0 (“非十大”会计师事务所)	T检验
	均值	均值
QA (审计质量)	0.059	0.064	0.006^***
N	17,010	13,248	-

2) 债务融资效率的度量

本文将债务融资效率作为被解释变量，其是企业以最低成本获资并高效配置实现价值最大化的能力。采用数据包络法(DEA)量化该指标，数据包络法(DEA)常用于效率的评估，并且特别适用于多投入多产出的情形。因此，本文构建投入产出指标体系，以资产负债率、产权比率以及债务融资净额以衡量债务融资规模和成本作为投入指标以衡量债务融资规模和成本，选择可以反映融资效果的息税前利润、净资产收益率和总资产周转率作为产出指标以反映融资效果。被解释变量数据由DEAP软件运算得出，预处理时剔除空值、负值异常样本，保证投入变量为正、样本量达标，最终有效样本符合技术要求。因前期测试发现标准化会破坏数据有效性，故仅做缺失值清洗，未影响有效样本规模。

3) 会计稳健性的度量

会计稳健性是会计信息质量的谨慎性体现，要求不高估资产收益、不低估负债费用，核心是及时确认风险损失，客观反映企业财务状况。本文将其设为调节变量，采用KW (C-Score)模型[12]衡量，该值显著为正时，企业会计稳健性较强。

借鉴已有研究，本文选取了控制变量。主要变量及度量见表4。

Table 4. Definition table of main variables

表4. 主要变量定义表

变量类型	变量名	变量定义
被解释变量	DFE	债务融资效率，DEA方法计算
解释变量	Mismatch	企业期望选择的事务所与实际选择不一致时取值为1，反之为0
	Misup	期望选择“非十大”会计师事务所，实际选择“十大”会计师事务所时取值为1，反之为0
	Misdown	期望选择“十大”会计师事务所，实际选择“非十大”会计师事务所时取值为1，反之为0
调节变量	C-Score	会计稳健性，C-Score，度量具体办法如上述
控制变量	Size	公司规模，年末总资产的自然对数
	ROA	总资产收益率，年末净利润/总资产
	Lev	资产负债率，年末总负债/总资产
	MB	账面市值比，年末市值/净资产
控制变量	TOP1	第一大股东持股比例 = 第一大股东持股数量/总股数 × 100
	Aturn	总资产周转率 = 销售收入/期末总资产
	Indep	独立董事比例 = 独立董事人数/董事人数
	SOE	根据实际控制人性质判断，国有企业取值为1，否则为0
	Growth	公司成长性 = 营业收入增长率
	BoardSize	董事会规模，公司董事会人数的自然对数
	Ind	行业虚拟变量，按照证监会2012年发布的《行业分类指引》标准定义
	Year	年度虚拟变量

4. 实证结果与分析

(一) 描述性统计

表5为主要变量描述性统计，样本企业债务融资效率均值0.485，最值差距显著，反映企业间债务融资效率存在显著差异。审计师–客户不匹配均值为0.366，即36.6%企业审计师选择与期望不符。其中向上不匹配均值为0.053、向下不匹配均值为0.312，可见不匹配企业中向下不匹配占比更高，该结论与以往学者研究基本一致。

Table 5. Descriptive statistics of main variables

表5. 主要变量描述性统计表

VarName	Obs	Mean	SD	Min	Median	Max
DFE	33,868	0.485	0.112	0.287	0.470	0.866
Mismatch	33,868	0.366	0.482	0.000	0.000	1.000
Misup	33,868	0.053	0.225	0.000	0.000	1.000
Misdown	33,868	0.312	0.463	0.000	0.000	1.000
Cscore	33,868	0.212	0.649	−0.126	0.053	3.367
Size	33,868	22.232	1.260	20.047	22.033	26.186
ROA	33,868	0.052	0.039	0.003	0.044	0.201
Lev	33,868	0.413	0.188	0.061	0.407	0.840
Aturn	33,868	0.653	0.427	0.104	0.554	2.610
MB	33,868	0.629	0.239	0.134	0.630	1.181
Growth	33,868	0.188	0.354	−0.405	0.122	2.168
SOE	33,868	0.365	0.482	0.000	0.000	1.000
Top1	33,868	0.351	0.148	0.094	0.332	0.748
Indep	33,868	0.375	0.053	0.333	0.333	0.571
BoardSize	33,868	2.130	0.200	1.609	2.197	2.708

接下来，本文对三组相关变量做均值T检验，结果均存在显著差异且初步验证研究假设，如表6所示。Mismatch = 1时DFE均值低于Mismatch = 0时的DFE均值，验证H1；Misup = 1时DFE均值高于Misup = 0时DFE均值，验证H2a；Misdown = 1时DFE均值低于Misdown = 0时DFE均值，验证H2b。

Table 6. Statistical results of grouping T test

表6. 分组t检验统计结果

变量名	审计师–客户 不匹配			审计师–客户 向上不匹配			审计师–客户 向下不匹配
	Mismatch = 1	Mismatch = 0	T检验	Misup = 1	Misup = 0	T检验	Misdown = 1	Misdown = 0	T检验
	均值	均值		均值	均值		均值	均值
DFE	0.478	0.489	0.01^***	0.499	0.484	0.015^***	0.475	0.490	0.015^***
N	12,387	21,481	-	1810	32,058	-	10,577	23,291	-

并且，本文通过VIF多重共线性检验显示回归模型变量的方差膨胀因子数值远远小于10，表明各个变量之间并无多重共线性问题。

(二) 回归结果分析

1) 审计师–客户不匹配关系与企业债务融资效率

对于假设H1审计师–客户不匹配关系对企业债务融资效率的影响回归结果如表7所示。

Table 7. Results of regression analysis on the influence of mismatch relationship on corporate debt financing efficiency

表7. 不匹配关系对企业债务融资效率影响的回归分析结果表

变量名称	被解释变量：DFE
	(1)	(2)
Mismatch	−0.004^*** (−3.93)	−0.002^** (−2.54)
Contrlos	Yes	Yes
Constant	0.599*** (124.90)	0.534^*** (52.36)
Ind/Year	Yes	Yes
Observations	33,868	33,868
adj. R^2	0.34	0.65

注：^***、^**、^*分别表示1%、5%和10%的显著性水平。括号内为回归t值。

表7列示了审计师–客户不匹配(Mismatch)与企业债务融资效率(DFE)的回归结果。未考虑控制变量时，二者回归系数为−0.004且在1%水平上显著；加入控制变量后回归系数为−0.002且在5%水平显著，均验证假设H1。

2) 审计师–客户不匹配类型与企业债务融资效率

对于假设H2a和H2b审计师–客户不匹配类型对企业债务融资效率的影响回归结果如表8所示：

Table 8. Regression analysis results of the influence of mismatch types on corporate debt financing efficiency

表8. 不匹配类型对企业债务融资效率影响的回归分析结果表

变量名称	被解释变量：DFE
	(1)	(2)	(3)	(4)
Misup	−0.011^*** (−4.55)	−0.005^*** (−2.61)
Misdown			−0.003^** (−2.25)	−0.002^* (−1.91)
Controls	Yes	Yes	Yes	Yes
Constant	0.602^*** (123.30)	0.706^*** (70.92)	0.598^*** (124.49)	0.533^*** (52.34)
Ind/Year	Yes	Yes	Yes	Yes
Observations	33,868	33,868	33,868	33,868
adj. R^2	0.34	0.67	0.34	0.65

注：^***、^**、^*分别表示1%、5%和10%的显著性水平。括号内为回归t值。

表8列示了审计师–客户不匹配类型与企业债务融资效率的回归结果，分为未考虑和考虑控制变量两组检验。未考虑控制变量时，向上不匹配回归系数为−0.011且在1%水平上显著，加入控制变量后，向上不匹配的回归系数为−0.005且在1%水平上显著，均显著负向影响债务融资效率，H2a未验证，当企业选择向上不匹配的事务所进行审计时，审计费用显著上升(董沛武，2018) [6]，债权人可能认为企业为获取高质量审计而被迫支付超额成本，侧面反映出其内部治理或财务透明度存在隐性风险，从而要求风险溢价补偿。未考虑控制变量时，向下不匹配回归系数为−0.003且在5%水平显著，加入控制变量后，回归系数为−0.002且在10%水平上显著，均显著降低债务融资效率，H2b 得到验证。

3) 审计师–客户不匹配关系、会计稳健性与企业债务融资效率

本文对会计稳健性在审计师–客户不匹配关系与企业债务融资效率中起到的调节作用主要通过分组回归检验来进行，将大于行业年度中位数的会计稳健性(Cscore)确认为会计稳健性较高的一组，取值为1，否则取值为0。该回归结果如表9所示。

Table 9. Mismatch relationship, accounting conservatism and corporate debt financing efficiency

表9. 不匹配关系、会计稳健性与企业债务融资效率

变量名称	被解释变量：DFE
	(1) 会计稳健性较高	(2) 会计稳健性较低
Mismatch	−0.0015 (0.0014)	−0.0028^* (0.0015)
Controls	Yes	Yes
_cons	0.6372^*** (0.0189)	0.6326^*** (0.0177)
Ind/Year	Yes	Yes
Observations	6707	7341
adj. R^2	0.7453	0.7404

注：^***、^**、^*分别表示1%、5%和10%的显著性水平。括号内为回归t值。

表9列示了在审计师–客户不匹配关系(Mismatch)下，会计稳健性在企业债务融资效率(DFE)中所起的调节作用。第(1)列为在会计稳健性较高的企业中，选择不匹配的事务所(Mismatch)进行审计的回归系数为−0.0015，在统计水平上不显著；第(2)列为在会计稳健性较低的企业中，选择不匹配的事务所(Mismatch)进行审计的回归系数为−0.0028且在10%的统计水平上显著。这表明，企业会计稳健性的增强削弱了审计师–客户不匹配关系(Mismatch)对企业债务融资效率(DFE)的负面影响，假设H3得到验证。

5. 稳健性检验

(一) 更换样本期间

在财政部与中注协推动事务所“做大做强”的政策下，国内多家事务所深化改革，2013年起在业务收入等指标上渐与国际“四大”比肩。本文据此调整样本区间为2013~2023年，重新检验审计师–客户不匹配关系及类型对企业债务融资效率的影响，表10列示了沪深A股上市公司的回归结果，该稳健性测试结果与前文研究结论一致。

Table 10. Auditor-client mismatch, types and corporate debt financing efficiency in 2013~2023

表10. 2013~2023年审计师–客户不匹配关系、类型与企业债务融资效率

变量名称	被解释变量：DFE
	(1)	(2)	(3)
Mismatch	−0.0026^*** (0.0008)
Misup		−0.0294^*** (0.0070)
Misdown			−0.0026^*** (0.0008)
Controls	Yes	Yes	Yes
Constant	0.4441^*** (0.0118)	0.8405^*** (0.0124)	0.4431^*** (0.0118)
Ind/Year	Yes	Yes	Yes
Observations	26,915	26,915	26,915
adj. R^2	0.6264	0.5871	0.6264

注：^***、^**、^*分别表示1%、5%和10%的显著性水平。括号内为回归t值。

(二) 倾向性得分匹配

为避免自选择偏差的干扰，本文采用PSM倾向性得分匹配法，通过1:1的比例执行匹配筛选控制组样本，PSM平衡性检验结果如图1(a)~(c)所示，显示pstest检验匹配结果平衡。

(a) Mismatch-平衡性检验 (b) Misup

(c) Misdown

Figure 1. (a) Balance test for audit-client Mismatch; (b) Balance##ent Misup; (c) Balance test for audit-client Misdown

图1. (a) Mismatch-平衡性检验图；(b) Misup-平衡性检验图；(c) Misdown-平衡性检验图

表11为样本匹配后审计师–客户不匹配关系及类型对企业债务融资效率的回归结果。总体不匹配关系的回归系数为−0.0020且在5%水平上显著；向上不匹配回归系数为−0.0047且在1%水平上显著，向下不匹配回归系数为−0.0007，统计上不显著。这说明二者不匹配对企业债务融资效率有显著负向影响，两类不匹配均存在抑制作用，此次稳健性检验结论与前文基本一致。

Table 11. Auditor-client mismatch, types and corporate debt financing efficiency after matching

表11. 匹配后的审计师–客户不匹配关系、类型与企业债务融资效率

变量名称	被解释变量：DFE
	(1)	(2)	(3)
Mismatch	−0.0020^** (0.0009)
Misup		−0.0047^*** (0.0016)
Misdown			−0.0007 (0.0009)
Controls	Yes	Yes	Yes
Constant	0.6679^*** (0.0113)	0.6715^*** (0.0112)	0.6664^*** (0.0113)
Ind/Year	Yes	Yes	Yes
Observations	20,583	20,583	20,583
adj. R^2	0.7045	0.7046	0.7045

注：^***、^**、^*分别表示1%、5%和10%的显著性水平。括号内为回归t值。

(三) 工具变量法

本文研究审计师–客户不匹配关系及类型对企业债务融资效率的影响，并以行业均值为工具变量做稳健性检验，检验结果如表12所示。弱工具变量检验显示该工具变量对核心解释变量有显著影响，工具变量模型第二阶段系数正负与基准回归一致。虽内生性检验显示核心解释变量或为外生，但工具变量模型与OLS结果一致，进一步验证其负向影响，增强了研究结果的可靠性。

Table 12. Test results of tool variable method

表12. 工具变量法检验结果

变量 名称	被解释变量：DFE
	(1) First stage Mismatch	(2) Second Stage DFE	(3) First Stage Misup	(4) Second Stage DFE	(5) First Stage Misdown	(6) Second Stage DFE
Mismatch		−0.013 (0.009)
Misup				−0.002 (0.003)
Misdown						−0.019 (0.012)
Iv_industry_mean_ Mismatch	12.0951^*** (0.653)
Iv_industry_mean_ Misup			−229.39^*** (7.771)
Iv_industry_mean_ Misdown					−8.2708^* (4.928)
Controls	Yes	Yes	Yes	Yes	Yes	Yes
_cons	5.5134^*** (0.268)	0.668^*** (0.011)	65.3525^*** (2.205)	0.658^*** (0.009)	1.3299^** (0.551)	0.666^*** (0.010)
Ind/Year	Yes	Yes	Yes	Yes	Yes	Yes
Durbin-Wu-Hausman P值		0.1682		0.5876		0.1721
Observations	33,868	33,868	33,868	33,868	33,868	33,868
adj. R^2	0.034	0.709	0.556	0.712	0.099	0.706

6. 进一步分析

(一) 异质性检验

1) 审计师–客户不匹配关系、产权性质与企业债务融资效率

产权性质决定了企业的政策支持和融资约束差异，国有企业因政府隐性担保可能弱化审计师匹配度的影响，而非国有企业更依赖审计质量传递信号以降低信息不对称程度。因此本文对上述研究结果进行产权性质的异质性检验。

表13为非国企与国企两种不同的产权性质下审计师–客户不匹配对债务融资效率的影响结果。非国企中向上不匹配系数0.0054且在5%水平下显著，其高审计质量正向提升债务融资效率，与H2a相印证。国企中整体不匹配、向下不匹配系数分别为0.0024且在5%水平下显著、0.0030且在1%水平下显著。因国企产权与政府担保，债权人更依赖政府信用，审计溢价也更低，进而降低融资成本、提升债务融资效率。

Table 13. Mismatch relationship, property right nature and corporate debt financing efficiency

表13. 不匹配关系、产权性质与企业债务融资效率

变量 名称	被解释变量：DFE
	非国有企业			国有企业
	(1)	(2)	(3)	(4)	(5)	(6)
Mismatch	0.0003 (0.0009)			0.0024^** (0.0010)
Misup		0.0054^** (0.0026)			−0.0003 (0.0019)
Misdown			0.0011 (0.0010)			0.0030^*** (0.0011)
Controls	Yes	Yes	Yes	Yes	Yes	Yes
_cons	0.6675^*** (0.0146)	0.6698^*** (0.0146)	0.6674^*** (0.0146)	0.6542^*** (0.0121)	0.6522^*** (0.0121)	0.6539^*** (0.0121)
Ind/Year	Yes	Yes	Yes	Yes	Yes	Yes
Observations	21,490	21,490	21,490	12,378	12,378	12,378
adj. R^2	0.6941	0.6941	0.6941	0.7631	0.7629	0.7631

注：^***、^**、^*分别表示1%、5%和10%的显著性水平。括号内为回归t值。

2) 审计师–客户不匹配关系、行业成长性与企业债务融资效率

Table 14. Auditor-client mismatch, industry growth and corporate debt financing efficiency

表14. 审计师–客户不匹配关系、行业成长性与企业债务融资效率

变量 名称	被解释变量：DFE
	行业成长性低			行业成长性高
	(1)	(2)	(3)	(4)	(5)	(6)
Mismatch	−0.0007 (0.0009)			−0.0008 (0.0010)
Misup		−0.0006 (0.0021)			−0.0053^** (0.0025)
Misdown			−0.0006 (0.0010)			0.0002 (0.0011)
Controls	Yes	Yes	Yes	Yes	Yes	Yes
_cons	0.6292^*** (0.0135)	0.6289^*** (0.0135)	0.6290^*** (0.0135)	0.7428^*** (0.0151)	0.7442^*** (0.0151)	0.7423^*** (0.0151)
Ind/Year	Yes	Yes	Yes	Yes	Yes	Yes
Observations	16,923	16,923	16,923	16,945	16,945	16,945
adj. R^2	0.7315	0.7315	0.7315	0.6906	0.6907	0.6906

注：^***、^**、^*分别表示1%、5%和10%的显著性水平。括号内为回归t值。

行业成长性影响企业与债权人的风险博弈，高成长性行业中审计师–客户不匹配对债权人信贷决策的影响更显著，低成长性行业则较弱。本文以托宾Q值年度行业中位数为界，将企业分为低、高成长性行业两类，开展异质性检验。

表14为不同行业成长性水平下审计师–客户不匹配对企业债务融资效率的影响结果。低成长性行业中，二者相关关系统计上均不显著；高成长性行业中，向上不匹配回归系数为−0.0053且在5%水平上显著。高成长性企业融资靠专利技术等硬实力，债权人关注未来现金流，低成长性企业融资需求稳且低，二者均弱化了审计质量对融资的影响。

(二) 影响路径分析

前文理论研究表明，审计师–客户不匹配关系通过影响审计质量的高低影响企业与债权人间的信息不对称，进而作用于债务融资效率。本文参考董沛武(2018) [6]研究，以可操纵性应计利润绝对值衡量审计质量为中介变量，检验两类不匹配对债务融资效率的影响路径，采用中介效应模型(4) (5)。

${\text{QA}}_{i,t}={\gamma }_0+{\gamma }_1\times \text{Misup}{\left(\text{Misdown}\right)}_{i,t}+{\displaystyle \sum {\gamma }_j\times {\text{Control}}_{j.i.t}}+{\displaystyle \sum {\text{Ind}}_{i,t}}+{\displaystyle \sum {\text{Year}}_{i,t}}+{\eta }_{i,t}$ (4)

${\text{DFE}}_{i,t}={\varphi }_0+{\varphi }_1\times \text{Misup}{\left(\text{Misdown}\right)}_{i,t}+{\varphi }_2\times {\text{QA}}_{i,t}+{\displaystyle \sum {\varphi }_j\times {\text{Control}}_{j.i.t}}+{\displaystyle \sum {\text{Ind}}_{i,t}}+{\displaystyle \sum {\text{Year}}_{i,t}}+{\upsilon }_{i,t}$ (5)

表15为两种不匹配类型对债务融资效率的中介效应检验结果。向上不匹配显著抑制可操纵性应计利润、提升审计质量，加入审计质量后其对融资效率的负向影响仍显著，审计质量呈正向影响，验证部分中介效应，与H2a实证结果印证。向下不匹配显著提升可操纵性应计利润、降低审计质量，加入审计质量后其对融资效率的影响不显著，审计质量仍正向显著，验证完全中介效应，即其通过弱化审计监督降低融资效率。

Table 15. Intermediary effect test based on audit quality

表15. 基于审计质量的中介效应检验

变量名称		(1)	(2)	(3)	(4)
		QA	DFE	QA	DFE
Misup		−0.004^* (−1.92)	−0.003^* (−1.81)
Misdown				0.002^*** (2.93)	−0.000 (−0.01)
QA			0.011^* (1.69)		0.011^* (1.71)
Controls		YES	YES	YES	YES
_cons	0.139^*** (14.10)		0.634^*** (69.40)	0.137^*** (13.89)	0.633^*** (69.20)
Ind/Year	YES		YES	YES	YES
Observations	30,258		30,258	30,258	30,258
adj. R^2	0.16		0.72	0.16	0.72

注：^***、^**、^*分别表示1%、5%和10%的显著性水平。括号内为回归t值。

7. 研究结论与建议

本文以2007~2023年沪深A股上市公司为样本，研究发现审计师–客户不匹配显著降低企业债务融资效率，会计稳健性能削弱该负面影响，经多种稳健性检验结论仍成立。异质性检验显示，产权性质和行业成长性对二者关系影响显著，非国企、高成长性行业受向上不匹配影响更明显，国企向下不匹配会提升融资效率。中介效应检验证实，审计质量在向上不匹配中呈部分中介效应，在向下不匹配中为完全中介效应。本文研究得出以下几点启示：第一，企业应结合产权、行业成长性选择匹配的事务所，重视内部治理与稳健会计政策；第二，债权人需关注企业事务所选择及内部治理；第三，监管部门应引导企业合理选聘事务所，关注不匹配现象，优化融资环境。