倾向得分匹配法及其在CADS中的应用

除了传统匹配方法外，本章还采用倾向得分匹配法对遗漏变量产生的内生性进行控制。

首先，社会语言学和地理语言学研究（Chen et al.，2012；Leong，Chin，2006；Takeda，2004）表明，较好的交通条件、地区较高的普通话使用率、更为热切的家乡情结可以抵消方言对个体行为的影响，减少基于共享方言而产生的潜在群体划分。因此，本章确定了影响CADS的几个决定因素，并使用倾向得分匹配法实施匹配过程：

（1）影响CADS的宏观变量包括交通状况（TRANS）、普通话普及率（MAND）和县（村）情结（COUNTRY）。TRANS是指CEO出生所在省区的铁路总里程（万千米）；MAND表示CEO出生省普通话普及率，从1到31（普通话普及率最高的为1分，普通话普及率最低为31分）；COUNTRY是县（村）情结的指示变量，如果CEO和审计师都出生在该县，则等于1，否则等于0。从理论上讲，CADS预期与TRANS（COUNTRY和MAND）表现为负（正）相关关系。

（2）影响审计师选择的其他相关决定因素（Wang et al.，2008）包括三年的平均净资产收益率（ROE）、应收账款以及存货总额与总资产的比率（ARINV）、公司规模（SIZE）、财务杠杆（LEV）、销售收入变化（GROWTH）、省级法律环境指数（LAW）以及最终控制人性质（STATE）。(www.xing528.com)

其次，根据上述变量，按1∶1匹配的原则，将无CADS的拟上市公司（匹配组公司）与有CADS的公司（处理组公司）基于倾向得分范围为±1%进行匹配。^[24]在进行倾向性得分匹配后，获得了176家拟上市公司的匹配样本，包括88家有CADS的IPO公司（处理组子样本）和88家没有CADS的IPO公司（匹配组子样本）。^[25]换言之，8家有CADS的IPO公司（处理组公司）无法与无CADS的IPO公司相匹配。

再次，模型4-2表示倾向性得分匹配回归过程第一阶段的结果。CADS与普通话普及率（MAND）、县（村）情结（COUNTY）显著正相关，与省交通条件（TRANS）、法律环境指数（LAW）显著负相关，与理论预期一致。

采用倾向得分匹配法样本的结果如表4-10所示。（1）列中，CADS与可操纵性应计（DA）显著正相关，表明CADS降低了IPO公司的审计质量，为假设4-1提供了有力的证据。在（2）、（3）列中，CADS分别对BIG10审计的公司的DA和非BIG10审计的公司的DA有不显著的影响和显著正影响，再次支持了假设4-2。综合（4）、（5）列的结果，CADS对可操纵性应计（IPO公司审计质量）的正（负）影响仅存在于非会计师事务所行业专长的子样本中，而会计师事务所行业专长的子样本不显著，这为假设4-3提供了重要的支持。