二、关联方交易审计风险影响因素的分析及相关假设的提出

　　1.识别关联方交易审计风险的关键影响因素。实际上影响关联方交易审计风险的'因素很多，上市公司管理层的舞弊动机、关联方交易主体地位不平等、关联方交易定价政策缺乏规范性及关联方交易内部控制不到位等都将影响审计风险。其中，普遍被利用的影响因素是关联方交易定价政策，根据以前学者研究可知，定价政策是影响关联方交易审计风险的关键因素，且定价的随意性伴随着关联方交易类型而出现。当上市公司与其关联方进行销售和购买商品或提供和接受劳务交易时，通过过高或过低的定价方式实现利润转移;当上市公司与其关联方进行资金拆借交易时，通过不收取资金占用费或少收的方式满足一方的利益需求。不同的交易类型具有不同的定价方式，但大多数上市公司对联方交易的定价不予披露，注册会计师在获取关联方交易定价信息和审计证据时存在较大困难，甚至忽略没有价格的关联方交易，加大了审计风险。2.关联方交易审计风险的相关假设。根据上文分析，识别关联方交易审计风险的关键因素为关联方交易定价的随意性，由于定价政策伴随关联方交易的发生而出现，所以，本文根据上市公司中频繁发生的关联方交易类型提出两个假设，实证研究关联方交易与审计风险的相关性。假设1：关联方交易审计风险与关联方进行商品或劳务交易的程度呈正向相关关系。假设2：关联方交易审计风险与关联方资金拆借交易的程度呈正向相关关系。

　　三、关联方交易审计风险影响的实证研究

　　1.模型的选取与变量的设计。1.1模型的选取。Logistic回归模型是对二分类因变量(既Y=1或Y=0)进行回归分析时应用最普遍的多元量化分析方法。本文中将上市公司分为导致审计风险的上市公司和未导致审计风险的上市公司，符合该模型的适用条件。此外，Logistic回归模型具有较高的判别功能，对本文的研究内容具有适用性。因此，本文选取Logistic回归模型以较准确地识别关联方交易审计风险。1.2变量的设计。将审计风险(Y)作为因变量，当上市公司被出具非标准审计意见时，Y=0，表明被审单位因关联方交易事项受到法律惩罚时，注册会计师承担连带责任的风险小。当上市公司被出具标准无保留审计意见时，Y=1，表明被审单位因关联方交易行为受到惩罚时，注册会计师承担连带责任的风险高。根据上市公司存在的关联方交易类型，选取以下4个变量作为自变量：X1：上市公司向关联方销售商品或提供劳务的金额/年末资产总额;X2：上市公司从关联方购买商品或接受劳务的金额/年末资产总额;X3：上市公司向关联方拆出资金的金额/年末资产总额;X4：上市公司从关联方拆入资金的金额/年末资产总额。其中，X1、X2反映上市公司与关联方进行商品或劳务交易的程度与审计风险的相关性;X3、X4反映上市公司与关联方进行资金拆借交易的程度与审计风险的相关性。为防止实证结果出现偏差或错误，需将其他影响因素进行控制。考虑到关联方交易会影响上市公司的财务指标，因此，选择四个财务指标作为模型中的控制变量。资产负债率：反映公司的偿债能力。资产负债率越高，表明公司的财务风险较高，为了降低资产负债率，粉饰财务报表，公司的管理层人员会选择与关联方进行不合理的交易，此时的审计风险较大。总资产周转率：反映公司的营运能力。当上市公司存在存货大量囤积的现象时，会通过向关联方销售商品以提高资产的利用程度，从整体上提高公司的营运能力。销售毛利率：反映公司的盈利能力。该指标值越大，表明企业补偿期间费用后的盈利水平越高。当上市公司与关联方进行非正常交易时，双方制定的非公允的交易价格就会影响到上市公司的销售毛利率。营业收入增长率：反映公司的发展能力。该指标值大于0且越高，表明公司的市场前景越好。投资者在选择投资目标时会关注公司的发展能力。因此，上市公司为了吸引更多的投资者，会与关联方进行大量的非公允销售交易，以增加自身的营业收入。2.样本数据的选取。本文选取20xx年至20xx年披露关联方交易的深沪证券交易所A股上市公司为样本，且将数据样本依据审计意见类型分为两类：一类是导致审计风险的上市公司样本，即研究样本。另一类是未导致审计风险的上市公司样本，即控制样本。研究样本选取标准：(1)被出具标准无保留审计意见的上市公司;(2)非金融业和保险业的上市公司;(3)剔除未对关联方交易披露的上市公司;(4)选择上市公司的年度财务报表;(5)排除数据不全的上市公司。基于研究样本的选取标准，控制样本选取标准：(1)被出具非标准审计意见的上市公司;(2)选取与研究样本属于同行业的上市公司;(3)选取与研究样本企业规模相近的上市公司;(4)如果选取的研究样本是处于ST、*ST阶段的上市公司，则选取的控制样本也应是处于ST、*ST阶段的上市公司;(5)选取已对关联方交易进行披露的上市公司。最终，共选取了236个样本。3.回归模型的建立与分析。3.1Logistic回归模型的建立。现采用Logistic拟建立以下回归模型，并结合统计软件SPSS17.0进行分析。在模型中的参数Ln[Pr(Y=1)/Pr(Y=0)]表示审计风险发生概率比的对数，C是常数项，参数βi是解释变量的系数，参数θ为误差项。3.2回归结果的分析。根据实证研究设计，利用SPSS17.0软件对相关的数据进行Logistic回归，结果如表1至表2所示：表1中，-2对数似然值时用来测量模型对数据的拟合度的，该数值越小说明模型的拟合度越好，但从下表中可看出-2对数似然值已达到262.797，表示该模型的拟合度不好，另外，Cox&SnellR方和NagelkerkeR方也是用来解释模型的拟合优度，其数值越大说明模型的拟合优度越好，然而，Cox&SnellR方=0.239，NagelkerkeR方=0.318，也说明该模型对数据的模拟效果欠佳。表2为模型中各个变量的统计量，即方程中变量检验情况表。从显著性水平(Sig.)来看，X2、X6、X7、X8四个变量的系数均在5%水平下不显著，为通过检验，需要剔除掉这些变量：X2、X6、X7、X8。剔除四个变量后，对剩下的四个变量重新进行回归，回归的部分结果如表3至表6所示：Hosmer和Lemeshow检验是检验模型的拟合优度，查看估计概率和观察概率的接近程度。卡方值越小，Sig.值越大，说明模型好。从表4中，可以看出卡方值为8.938，Sig.值为0.348，大于0.05，观测数据与预测数据没有显著差异，模型的拟合优度比较好。表6是模型的统计量，从表中可知，X1和X5的系数在1%的显著性水平下通过检验，X3和X4的系数在5%的显著性水平下通过检验。所以，四个变量均进入回归模型。在识别模型中，自变量X1与Ln[Pr(Y=1)/Pr(Y=0)]呈正相关，即与Y呈正相关，这个指标对识别审计风险具有显著影响，上市公司向关联方销售商品或提供劳务的程度越高，发生审计风险的概率越大，假设1得证。自变量X3、X4均与Ln[Pr(Y=1)/Pr(Y=0)]呈负相关，即与Y呈负相关，这两个指标对识别审计风险具有显著作用，上市公司与关联方进行资金拆借的程度越高，发生审计风险的概率越小，这与假设2相反。控制变量X5与Ln[Pr(Y=1)/Pr(Y=0)]呈负相关，即与Y呈负相关，这个指标对识别审计风险具有显著影响，上市公司的资产负债率越高，发生审计风险的概率越小。