结论：管理启示和局限性优化

本章以我国拟IPO公司为样本，探讨CADS对审计质量的影响。研究结果表明：（1）CADS与IPO公司审计质量显著负相关；（2）审计师声誉和会计师事务所的行业专长会削弱CADS对IPO公司审计质量的负面影响。本章在现有文献的基础上，探讨了方言关系（CEO—审计师方言关联）这一新的文化维度对IPO公司审计质量的影响，丰富了已有的关于文化对公司行为影响的文献。此外，审计师声誉和会计师事务所行业专长削弱了CADS对IPO公司审计质量的负面影响，拓展了以往关于审计师特定特征如何影响审计质量的文献。最后，CADS引发CEO和审计师合谋，并损害审计师的独立性，这丰富了与审计师独立性影响因素相关的研究。

本章具有以下几点政策启示：

第一，CADS对IPO公司审计质量的负面影响反映文化影响不利的一面，即CADS并不与人们感知的审计师独立性相矛盾，但它的确损害了实质的审计独立性。因此，CADS对IPO公司审计质量的负面影响提醒监管机构（如证监会、中国注册会计师协会等）应关注CADS对审计质量的不利影响，进而采取有效措施削弱这一负面影响。

第二，本章发现可促使监管者、公众以及投资者更多地关注CADS在道德方面的后果。具体来说，相同的方言会诱发签字审计师与CEO所任职的客户公司之间的合谋，从而削弱审计独立性，损害审计质量。建议中国《注册会计师职业道德准则》中单独设置一小节，讨论CADS是否以及何时损害审计师独立性。

第三，竞争可能损害道德（Cai et al.，2011；Shleifer，2004）。类似地，中国高度竞争的审计市场也损害了审计师的职业道德（Chu et al.，2011；Du，Lai，2015）。鉴于审计师声誉（会计师事务所的行业专长）削弱了CADS对IPO公司审计质量的负面影响，我国的监管机构应重视维护审计师的声誉以及培养会计师事务所的行业专长，以缓和方言关系（或其他文化方面的因素）对IPO公司审计质量的负面影响。

第四，在附加测试中，我们发现CADS对IPO公司审计质量的负面影响延伸到了IPO后的若干年，并且在IPO过程中有CADS的公司在IPO后阶段有更高的可操纵性应计和更大的财务重述可能。这一发现表明，在我国审计市场上，IPO后强制审计师轮换是有必要的，因为强制审计师轮换有助于提高审计质量（Firth et al.，2012）。

本章研究可能存在几点不足。首先，本章利用数据挖掘的方法，基于招股说明书和审计报告中的个人身份证信息，手工搜集CADS数据，然而，样本中拟上市公司数量有限，为此本章的结论还需要在扩展数据库的基础上进行进一步检验。其次，本章探讨了审计师声誉和会计师事务所行业专长对CADS与IPO公司审计质量二者关系的调节作用，从理论上讲，CADS是由CEO与签字审计师组成的二维变量，因此关于CEO特征是否能够调节CADS与IPO公司审计质量之间的关系还有待进一步研究。最后，本章以中国为研究背景，发现CADS会导致更大的可操纵性应计，并损害IPO公司的审计质量。然而，由于语言上的差异，基于汉语方言的研究结果可能与其他语言不太一致，因此，CADS对审计质量的不利影响是否存在于其他语言中，还有待进一步研究。

鉴于我国IPO市场和审计市场未来发展的巨大潜力，本章的研究发现具有一定的经济价值。此外，在我国正式制度不完善、法制环境薄弱、投资者保护不足的背景之下，本研究为文化（方言）对审计质量的负面影响提供支持性证据，然而应该承认，我国与其他国家的制度环境和文化差异可能会限制本章结论的普适性。

附录4-1　变量定义

续表

续表

续表

【注释】

[1]由于存在更严重的信息不对称，使用上市前样本，研究人员可以更直接地观察到CADS对审计质量的影响。然而，值得注意的是，IPO公司的样本可能有样本规模较小和缺乏多种审计质量指标度量的缺点。为克服该缺陷，在额外的测试中，本章还使用了IPO后的样本来重新检验研究假设，并得到了一致的结果。

[2]Hennart，Larimo（1998）认为，原籍国与美国之间的文化距离塑造了不同的海外投资模式。Schroath等（1993）发现原籍国对跨国公司在华投资行为的影响，进一步发现，中国香港公司倾向于在粤语普及率较高的华南省份投资，欧美企业更倾向于在英语普及率较高的大都市投资，日本企业更倾向于在东北省份投资。Siegel等（2013）证实了文化的统一性促进跨国并购。

[3]Wallman（1996）指出，实质上的审计师独立性总是隐蔽的，很难事前辨别。

[4]Uzzi（1997）确定了一个阈值来区分社会关系（嵌入性）的积极面与消极面对公司行为的影响。也就是说，作为嵌入性的个人纽带在低于该阈值时可以提高效率，减少个体之间的摩擦，否则会破坏帕累托改进并对其他利益体有害。

[5]未列表的测试结果表明，CADS与基于Jha等（2014）和Simunic（1980）的研究方法计算的行业中位数调整后的审计费用显著正相关。

[6]未列表的结果表明CADS对IPO市场份额的正向影响。(www.xing528.com)

[7]某些情况下（万福生科、紫鑫制药等），审计师声誉确实遭受了很大损失，导致客户数量和审计费用金额大幅下降（Du et al.，2016）。

[8]本章删除了未通过IPO的公司，因为不可获得招股说明书、审计报告和财务数据。

[9]2004年和2005年分别只有2家和3家拟上市公司披露了相关信息。

[10]在中国，监管机构没有法定或强制要求拟上市公司公开身份证（个人身份证）信息。此外，身份证的信息属于个人隐私，因此研究人员获取此类信息的难度极大。然而，对于一些拟上市公司，通过对招股说明书和审计报告进行数据挖掘，可以获得身份证信息，这些信息是以扫描复印件的形式提供的。并不是所有的上市公司都披露了CEO和签字审计师的身份证信息，所以在最初的样本（1 113家）中，约有40.3%的拟上市公司（449家）由于CEO和/或签字审计师身份证信息缺失而被删除。
此外，将初始样本划分为公开子样本（N＝531）和非公开子样本，然后比较两个子样本的差异。未列表的结果表明：（1）披露样本与未披露样本在IPO公司审计质量（以可操纵性应计DA表示）上的差异不显著（t＝－0.15，z＝0.03），说明由具有身份证信息的中国拟上市公司组成的研究样本不会导致严重的样本选择性偏差。（2）披露样本与未披露样本在审计师声誉（BIG10）和会计师事务所行业专长（IND_SPEC）上的差异均不显著，为上述论点提供了额外的支持。（3）与未披露样本相比，披露样本具有显著较小的公司规模、较低的财务杠杆、较好的会计绩效、较高的经营活动现金流比率、较低的股权持有率、较高的管理层持股比例、较小的董事会规模、较强的法律执行力，以及较小可能为国有企业。

[11]研究样本包括326家中小企业板和205家创业板IPO公司。在2006—2012年的样本期间，中小板（创业板）的IPO公司数量分别为7（0）家、36（0）家、30（0）家、19（6）家、129（76）家、69（79）家和36（44）家（请注意，创业板自2009年起接纳IPO候选公司上市）。

[12]DeFond、Zhang（2014）识别了关于审计质量的四大问题：审计质量的内涵、客户对审计质量需求的影响因素、影响审计师高质量审计供给的决定性因素、监管机构方面审计质量的聚焦点。

[13]此外，本章还计算了IPO公司审计质量的3个额外替代用以进行敏感性测试：（1）基于琼斯模型进行扩增的业绩匹配的可操纵性应计（DA_PM）（Kothari et al.，2005）；（2）基于考虑了经营活动现金流的Ball等（2006）扩增的Jones模型的可操纵性应计（DA_BS）；（3）非核心经营收入（Chen，Yuan，2004）。

[14]与户口相比，出生地与方言有很高的关联性。因此，本章基于CEO和签字审计师的出生地构建了方言变量。

[15]Choi、Wong（2007）认为，“BIG5在澳大利亚的市场份额为79.61%，在丹麦为90.98%，在芬兰为82.05%，在中国香港为87.02%，在中国台湾为57.96%，在泰国为62.13%，在美国为95.79%”。然而，根据Chu等（2011）的研究，BIG5在中国审计市场的市场份额只有34.00%。

[16]基于所有上市公司（非IPO公司子样本）得出的会计师事务所行业专长，未列表的结果显示了相似的结果。

[17]CADS对盈余管理的正向显著影响表明，CADS能够增强IPO过程中盈余管理的动机。然而，CADS的平均值是18.1%，这并不是一个很高的百分比。因此，本章进一步进行t/z检验，以辨别哪些拟上市公司选择CADS。未列出的结果表明，CEO与董事长二职合一、管理层持股、企业所在地区普通话普及率较低、县（村）复杂程度等因素会增加CADS的可能性。且根据已有研究（Beatty，1989；De Angelo，1981a；Wang et al.，2008），审计师的选择受到多种因素的影响：客户公司与地方政府干预，并进一步受到信号效应、所有者与管理者代理冲突等因素的影响。因此，IPO过程中的盈余管理是即将上市的中国企业选择CADS的一个重要但不是唯一的决定因素，这种模式是建立在单个审计师与CEO关系的基础上的。鉴于上述原因，18.1%的CADS比例并不算太低。此外，根据本章统计，样本期间依次有2家、7家、8家、6家、30家、28家和15家拟上市公司存在CADS，总体上呈上升趋势。

[18]子样本检验（中小板子样本与创业板子样本）结果表明（未列表格），对于在中小板和创业板上市的公司，CADS对可操纵性应计的影响都是正的，也显示出没有差异（中小板子样本系数为0.037，t＝2.25；创业板子样本系数为0.044，t＝1.99）。

[19]修正Jones模型的DA度量（Dechow et al.，1995）需要滞后一期的总资产，因此只能计算DAt－1和DAt－2的年度可操纵性应计。

[20]对双向因果关系产生的内生性而言，研究者往往需要讨论因果关系的可能方向，然后排除双向因果关系中的一种。理论上讲，本章应直接讨论我国拟上市公司在进入IPO阶段后是否会将与CEO无方言关系的审计师转变为与CEO有方言关系的审计师。但由于数据限制，本章无法获得IPO前审计师的人口统计特征（如姓名、年龄、是否为合伙人等）。因此，本章无法根据CEO和签字审计师之间的方言关系来检验IPO公司是否更换审计师。然而庆幸的是，我国股市独特的背景可以提供间接证据。在中国，只有获得发行审核委员会批准的公司才能进行IPO。样本期内，约82.02%的公司在IPO申请中获得批准，约17.98%的IPO公司放弃（撤回）申请或需经过再次的IPO申请。这一独特的背景使得本章进一步考察因IPO申请被拒绝的公司，是否会在第二次IPO申请中更换审计师，且选择与CEO具有方言关联的审计师。样本期间，54家公司需要二次申请过会，但只有8家更换了审计师。8家IPO公司中的7家将排名靠后的审计师换为排名靠前的审计师，仅1家IPO公司将排名靠前的审计师换为排名靠后的审计师（从第2名转为第3名）。然而，在这两种转换情况下，CADS均不存在。

[21]本章还以地方戏曲（DRAMA）作为工具变量，采用两阶段Logistic-OLS回归来解决内生性问题。DRAMA等于当地的戏曲数量除以地区总人口。从理论上讲，戏曲与CADS是负相关的，因为当地戏曲的数量通常与方言的数量呈正相关，而方言越多，CEO与签字审计师使用相同方言的可能性就越小。未列表的结果表明：（1）戏曲对CADS有显著的负向影响（－1.206，z＝－2.78）；（2）在第二阶段，以第一阶段得到并计算的CADS的拟合值（即CADS*）作为自变量，支持了假设4-1～4-3。

[22]在匹配样本中，CADS的定义与主要测试中的定义相同。此外，对于处理组的企业，CADS＝1；对于匹配组的企业，CADS＝0。

[23]未列表结果表明，CADS子样本和非CADS子样本在SIZE、LEV以及控制变量上无显著差异，说明匹配效果较好。

[24]在倾向得分匹配过程中，匹配半径±0.01是可以接受的（Dehejia and Wahba，2002），它确保了这项研究尽可能多地保留处理组的公司。缩小匹配半径后，如±0.005（±0.001），结果与以±0.01为基准的匹配半径在性质上保持一致，但伴随着倾向得分匹配中较少的拟上市匹配样本。此外，放宽匹配半径，比如如±0.02（0.05），允许更多的拟上市公司进入最终样本，但它不能保证：（1）处理组的公司和匹配组的公司之间的公司特别的特征最相似，（2）遗漏变量的可能性最小。

[25]对于倾向性得分匹配样本，未列表结果显示，CADS子样本（CADS＝1）与非CADS子样本（CADS＝0）在倾向性得分匹配过程第一阶段的大多数变量上的差异不显著，表明匹配工作实施的相对较好。

[26]在现有的关于衡量IPO后业绩的文献中，样本期间是否包含IPO当年年份是一个悬而未决的问题。样本区间在以往几个研究中（Ducharme et al.，2001；Fan et al.，2007）不包括IPO当年，但是其他现有的研究（Jain and Kini，1994；Teoh et al.，1998；Aharony et al.，2000）在样本区间中包括了IPO当年。在表11中，上市后测试的样本期为2007—2014年，不包括IPO年度。未列表的结果中包含了IPO当年，结果与表11相似，表明本章结果不太可能会受到样本期是否包括IPO年的影响。

[27]表4-12的Panel A中，有以下几个方面值得注意：（1）在会计师事务所行业专长的子样本中，POL_AUD的系数显著为正。根据Yang（2013）的研究，具有行业专长的会计师事务所的审计合伙人更有可能被选为发审委员会（IEC）成员，进而他们所属的会计师事务所会变成有政治联系。正因如此，对于会计师事务所行业专长的子样本中，政治联系的会计师事务所更可能进行上市前盈余管理，进而损害审计质量。（2）LOCAL的系数不显著，这意味着当地会计师事务所不会显著影响IPO公司的审计质量。事实上，当信息角色主导社会关系的角色时，当地的会计师事务所可以提高审计质量（Choi et al.，2012）。相反，当社会关系的作用主导信息作用时，当地的会计师事务所可能会损害审计质量（Wang et al.，2008）。在中国IPO市场上，对于地方会计师事务所而言，信息透明度的提高和监管力度的加强导致了信息作用和社会关系作用的平衡，从而导致会计师事务所对审计质量的影响并不显著。

[28]全部样本根据以下程序进行划分：（1）计算每家公司的可操纵性应计；（2）对某省2006—2012年间所有IPO公司的可操纵性应计进行排序，并采用中位数作为省级可操纵性应计的替代指标；（3）以省级可操纵性应计（DA）为基础，区分高DA省和低DA省，构建两个子样本：企业在DA高的省和企业在DA低的省。以DA均值为基础的子样本检验与以DA中位数为子样本检验的结果大致相同。