检验异常

检验异常（共8篇）

检验异常 篇1

尿液检验结果可以直接的反映机体泌尿系统或其他系统疾病的发病状况, 本文回顾性分析我院部分检验科尿液检验资料, 整理和分析其中出现结果异常的病例, 并对导致尿液检验结果异常的主要因素进行探讨分析, 报道如下。

1 影响尿液检验结果的主要因素分析

1.1 患者的临床用药因素

药物是影响尿液检查结果的重要因素, 由于患者使用各种药物后, 药物在体内会有不同的浓度、半衰期、起效途径, 有些药物在机体内的清除、代谢时间较长, 不同患者的不同机体对药物的排泄途径、清除程度各不相同, 这些因素都可能对尿液检验结果造成一定影响[1], 可能会表现为不符合临床实际或不符合疾病临床症状, 进而影响医师判断疾病的科学性, 所以, 在分析与总结尿液检验结果时就考虑患者用药情况, 尽量排除药物因素的影响。

1.2 标本采集

放置一段时间的尿液, 会因周围环境的污染而发生物理或 (和) 化学变化。采集完尿标本后, 需在2 h内送检, 以免细菌繁殖、蛋白变性、细胞溶解、尿胆原等物质氧化或光照分解等影响尿检质量, 所以尿液标本的正确收集直接影响尿检结果的准确性;留取尿液标本如有时间等特殊规定, 须在盛有标本的容器上标明;急诊或门诊患者的尿液检验, 可随时留取尿液标本, 但要在容器上注明留取尿液的时间;随机收集尿液最佳时间为患者午餐后2 h, 适用于尿糖、尿蛋白、尿胆原等尿液检查, 有利于检出病理性糖尿、蛋白尿;住院患者最好留取清晨第一次尿液的中段尿作为尿检标本, 或送检上午7点左右的2次晨尿尿液标本, 这适用于疑似或确诊为泌尿系统疾病的患者、妊娠早期实验观察等;尿液标本的量一般15~50 m L, 收集和运送标本的容器需是由惰性材料制造的透明、洁净、防漏一次性医用器械;负责收集标本的医护人员需告知患者, 在留尿标本时要保持尿道口的清洁[2]。

1.3 尿标本存储

为保留尿液标本的活性和获取真实的尿液结果务必要妥当存储, 通常尿液标本的储存室温度要保证在24℃以下, 同时保证在留取标本2 h之内送检。因为温度和时间的变化会导致标本的物理、化学特征产生变化, 如尿液标本会变得混浊, 味道会掺有氨味, 颜色变深, 胆红素、VC、尿胆原、尿糖含量会相对减少, 亚硝酸盐的含量反而增加, 尿蛋白、酸碱度等都会有所变化, 尿液标本的保存尤为重要, 如果特殊情况不能及时送检标本时, 医务人员需暂时在尿标内加入微量的防腐剂 (临床常用的尿检防腐剂一般都是浓度为450 g/L的甲醛溶液, 加用的量按照平均每升尿标中加5 m L计算, 防止过量, 因为过量的甲醇会与尿标本内的尿素发生沉淀反应, 影响镜检) 并冷藏起来, 但必须在6 h内送检。

1.4 尿液标本送检

盛有尿标本的容器上需帖有标签, 且标签最好贴在盖上, 标签的内容包括标本收集时间、患者姓名、特定的编码 (一般是患者所住科室和床号等) 。接收标本的检验人员在接收时必须检查化验单上项目是否与标本上的一致, 必须检查标记内容和标本容器是否一致, 对于容器本身也要严格检查, 如容器是否为一次性、是否有破裂和漏液现象、标本是否污染等;标本的液体量也要检查, 看是否符合检验要求, 如果是肾衰无尿期、烧伤等特殊病例的尿量不足时, 需在检验结果的报告单上对标本的量加以注明;检查尿液收集、接标本的具体时间, 看从留尿到接收尿液标本的时间是否合理, 并根据时间给予相应处理。

1.5 实验室因素

尿液标本从进入实验室到进行尿液分析的整个过程, 主要应用的是尿试条和尿液分析仪, 这两种仪器的本身质量好坏、使用方法是否正确、尿试条的分析方法是否科学都对检验结果的准确性有着直接的影响, 所用物品以及设备的性能、质量越高, 检验结果准确性就越高。所以, 实验室需要使用两种高低值的质量控制液对仪器和设备进行定期的测试、检验, 以确保工作质量, 必须实时监测所用的液体质量;实验室所用的仪器要定期的保养、检测、校正, 使仪器保持最佳的工作的状态, 这样可以有效提高检验结果的准确性;对于尿试条需在有效期范围内使用, 未用的尿试条需在厂家提供的密封容器中保存, 保存时应注意避光, 保存环境应保持适宜的温湿度, 使用前充分的了解其特征和性能, 使用时检验人员要正确的遵照检测流程进行分析, 按需使用后, 立即将容器封闭好, 另外还要注意绝不可将用过的尿试条重新放回于容器中, 不可用手接触尿试条上化学反应区[3]。

2 小结

尿标本的采集、检验操作都不难, 但是临床总会出现由于尿液检验结果异常, 导致与疾病的临床症状不符, 尿液检验的任意一个环节的疏漏或出错, 都可能会导致检验结果的异常。本文针对存在较大误差的尿检资料进行分析, 发现可导致检验结果异常的因素主要有患者用药因素、标本采集因素、存储标本因素、送检标本因素、实验室因素等, 检验时严格控制好每个环节, 并提高医护人员和检验人员的责任意识和职责感, 有利于保证尿液检验的质量。

参考文献

[1]唐刘艳.探析影响临床尿液检验质量的因素[J].中国医药指南, 2012, 10 (34) :372-373.

[2]匡祖国.尿液检验结果的影响因素探讨[J].当代医学, 2012, 18 (2) :29-30.

[3]车林浩.影响尿液检验的因素分析[J].中国民康医学, 2010, 22 (8) :1049-1064.

检验异常 篇2

【关键词】血细胞检验；异常因素；防范；分析

【中图分类号】R782.4 【文献标识码】B【文章编号】1004-4949（2015）02-0111-01

血液检验是医学上常用的检验方法，临床意义重大。一方面，血液检验可以为血液疾病的诊断提供直接依据；另一方面，血液诊断提供的信息，可以为人体其他系统疾病的诊治提供重要信息参考和支持。所以，临床血细胞检验的有效性将客观影响医生对患者病情的判别，进而影响到具体治疗方案的设计和开展。从很大程度上讲，要对病人病情诊断认真负责，要给临床医生提供有效精准的参考凭据，就必须防范血细胞检验过程中异常因素的存在，切实保障血细胞检验的质量[1] 。

1 标本采集

1.1标本的采集部位 采血部位的选择能够影响到血细胞检测的最终结果。当前，医学界采血基本部位大体有两种选择情况，即末梢毛细血管采血与静脉采血。据现代医学研究表明：相对末梢毛细血管血样，静脉血血样是最可靠的标本更加有效和可靠。虽然手指血样与静脉血样差异相对较小，但目前绝大多数专家还是统一判定：应用血液分析仪检验人体血细胞检验时，静脉血是最优血样选择。

1.2 受检者生理原因 在血液检测中，受检者的集体运动、精神状况、采血时间、很火习惯、摄入、季节变换等因素皆可能对结果产生影响。所以，采血时需仔细询受检者近期药物服用情况，是否存在剧烈机体运动，冬季室外低温时，应在采血前对受检者进行温暖护理。总体上讲，不同生理状态下血细胞各参数也会存在差异，例如机体在摄入食物水分后，血液相应发生生理性稀释现象，导致检测结果不准。而剧烈运动后血液浓缩，若立即取血，也会影响检测结果。所以，对于非急诊患者尽量调整好后再行血样采集。

1.3 科学血样采集注意事项 ①血样采集前，认真仔细对注射器与针头进行消毒、清理和检查作业，避免感染以及采集中产生泡沫致溶血现象的发生。②优选封闭式真空采血管进行血样采集。③注意采血点周围皮肤情况，避开创口、灼伤、冻伤、发炎、肿胀等区域的皮肤，选择完好区域行采血。④注意血样采集时不能反复穿刺皮肤。⑤如果特殊情况下需要采集末梢血样，需清掉第一滴出血，将第二滴血作为检测样本。⑥血样采集结束后，样本存入试管时需把注射针头去除，缓慢推入。⑦科学控制受检血样量和抗凝剂配比。抗凝剂比例过低时，抗凝剂比例过高时，可能导致血细胞形态和体积的一些改变变化，影响最终检测结果。

2 标本的抗凝

人体血样标本采集结束后，在血细胞检验前，血标本须经抗凝剂抗凝处理，目前，市场上血液抗凝剂品种众多，其中，EDTA 盐是对血样检测中白细胞形态和血小板影响较小的一种，比较符合血细胞常规检测标准要求[2] 。如不考虑本文上述的血样标本采集因素的消极影响，在通常情况下，血细胞标本的整体质量将直接由血样和血液抗凝剂之间比例分配。当血液比例过高偏大时，血液抗凝剂相对比例降低，往往出现血浆重微凝情况，易阻塞检测仪，这就会造成检验部分血液检验指标的失准。当抗凝剂比例过高时，血液样本量相对偏多，对最终的血液检测结果造成更大消极影响。检测样本经 EDTA盐抗凝处理后，血样中的白细胞形態将会随时间推移产生变化，这一变化过程与抗凝时长和EDTA盐浓度相关，EDTA与血液的最优配比为1.5 mg/ml，如果血样量相对偏少，EDTA的配比浓度相应提高，血样中的中性粒细胞肿胀分叶消失，血小板肿胀崩解，产生碎片，这些都会导致最终检测结果的错误。

3 血样的保存、运送及测定时间

要注意血样标本须有详细准确的标识，避免后期检测全过程误差出现，且血样获取后应及时送检。抗凝全血标本在6～24℃室温条件下能够保存一天一夜。如本文上文分析，抗凝剂的时间和、浓度的不同情况，将会改变血细胞的具体形态，据相关研究表明，用EDTA抗凝后的静脉血标本，如果保存时间小于8h，则所或得的检测结果为最优。抗凝处理2h后，血液中白细胞粒细胞发生形变，如没能及时监测，须尽快推制血涂片，这样有利于显微镜的复查。虽然血样在2～8℃环境下可增加存储时长，但由于血小板抗凝后球形形变，体积有增大，需1h后才能稳定，所以做血液红细胞比容检测时，须尽量在1h后进行。

4 仪器校准原因

当前，全自动血细胞分析仪因快速精准原因，被广泛推广。然而，在使用血细胞分析仪检测时，应注意定期的仪器校准工作。一般情况下要用配套的校准物开展校准，无配套校准物的，需用经二级标准血液分析仪定值的新鲜血作为校准物进行校准。对于部分实验室有数台血细胞分析仪的机构，为协调多台仪器检测结果的可比性和精准性，需对每台仪器进行室内质控、仪器校准等，定期用新鲜血标本在实验室内不同型号的仪器上进行结果比对，以保证检测质量。

综上所述，影响血细胞检验结果的因素多元存在，为了达到有效检验，需要医师仔细分析样本采集、抗凝处理、存储运送、仪器标准等多方面因素，要把人为因素降低，保证验血仪器精准，尽量减少血细胞检测偏差，，提高检验质量。

参考文献

[1] 周玲花.血细胞检验中的几点注意事项[J].医技与临床，2012，11：45-46.

尿液检验结果异常的影响因素分析 篇3

资料与方法

2013年5月-2014年5月收治尿液检验结果异常患者40例, 男28例, 女12例, 年龄19~67岁, 平均 (45.2±2.3) 岁。总结影响因素包括临床、实验室两种。临床因素具体为药物影响、采集尿液方式、申请单与标本误差、未及时送检标本;实验室因素包括隐血、检疫本、亚硝酸盐、葡萄糖、蛋白质。

方法:由专业人员行尿液检验, 在确保检验结果有误差存在时, 将检验标本取回, 深入分析样本并再次取样进行检验。分析可能导致结果异常的因素, 对本次异常造成影响的因素进行查看, 全面统计实验室及临床因素, 并分类。汇总分析得到的数据, 就主要影响因素查看, 制定合理化措施, 展开各方面的研究, 完善以后尿检步骤。

结果

实验室影响因素中, 葡萄糖、亚硝酸盐、蛋白质、隐血21例 (52.5%) , 样本加错1例 (2.5%) ;临床因素中, 药物影响8例 (20%) , 收集方式影响5例 (12.5%) , 申请单与标本误差1例 (2.5%) , 标本未及时送检4例 (10%) 。

讨论

尿液检验对临床诊断的有效性有决定性作用, 可对患者身体状况进行反映, 提供临床治疗的依据, 通过尿检的实施, 可避免相似病症误诊, 如急性胰腺炎和黄疸性肝炎的检验。

依据本次影响因素展开具体分析, 并制定应对措施。 (1) 用药因素:应用各种药物后, 在体内半衰期、浓度、起效途径不同, 有些机体代谢、清除所需时间较长。另外, 药物在不同患者机体的清除程度、排泄途径存在差异, 均在一定程度上影响尿液检验结果, 可能有与临床实际或疾病症状不符合的表现出现, 对医师科学判断疾病产生影响, 故在对尿液检验结果分析与总结时, 需对患者用药情况进行考虑, 对药物影响因素尽量排除[1]。 (2) 标本采集因素:尿液放置一段时间, 会因周围环境污染而出现化学或 (和) 生理变化。尿液标本采集完后, 需2 h内送检, 以防尿胆原等物质光照分解或氧化、细胞繁殖、细胞溶解、蛋白变性, 对尿检质量造成影响, 故正确收集尿液标本, 对尿检结果的准确性有决定作用;行尿液标本留取, 若有特殊规定, 如时间, 需标明在放置标本容器上;门急诊尿液检验, 尿液标本可随时留取, 但需注明时间;午餐后2 h为尿液留取最佳时机, 适用于尿胆原、尿蛋白、尿糖等尿液检查, 为病理性蛋白尿、糖尿病的检出创造条件;住院患者, 宜对清晨初次尿液进行留取, 最好为中段尿, 作尿检标本, 尿液标本的留取量通常15~50 m L, 标本收集和运送的容器需为透明、防漏、洁净的惰性材料制造的一次性用具, 医护人员要告知患者, 需保持尿道口清洁, 避免留取的尿液标本受到污染[2,3]。 (3) 尿标本存储:为对尿液标本的活性进行保留, 保证检验结果的准确性, 需妥当存储, 一般温度需<24℃, 并在2 h内送检。因时间和温度变化会造成标本化学、物理特征改变, 如尿液标本混浊, 色变深, 味道有氨味, 尿糖、胆红素、尿胆原、VC含量相对减少, 观察亚硝酸盐含量, 反呈增加显示, 酸碱度、尿蛋白等均会变化, 故需重视尿液标本的保存, 若有特殊情况无法对标本及时送检, 需取微量防腐剂暂时在尿标本内加入, 并冷藏, 在6 h内完成送检。 (4) 标本送检:需在容器上贴标签, 包括收集时间、特定编码、患者姓名等。接收人员需认真核对, 检查容器有无漏液、破裂, 标本有无污染, 检查液体量是否与检验要求符合。如烧伤、肾衰无尿期等特殊病例, 尿量不足, 需在报告单上注明。并确定标本留取的时间是否合理。 (5) 实验室因素:实验室尿液分析, 多应用尿液分析仪等。分析仪是否使用正确, 直接影响结果的准确性, 物品质量、性能越高, 结果越具准确性, 故需定期测试设备, 以确保检验质量。

综上, 临床有较多对尿液检验有效性影响的因素, 检验人员需掌握检验步骤, 控制各环节, 减少操作方面的失误, 合理控制不良影响因素, 以提高检验的准确性, 为临床疾病诊疗提供有力的参考依据。

参考文献

[1]Ndumele CE, Pradhan AD, Ridker PM.Interrelationships between inflammation, C-reactive protein, and insulin resistance[J].Cardiometab Syndr, 2006, 1 (3) :190.

[2]范红平, 朱星成, 张群智.尿沉渣定量分析仪检测尿液红细胞的临床价值[J].检验医学与临床, 2010, 7 (2) :125-127.

舒筋健腰丸检验中的显微异常 篇4

关键词：舒筋健腰丸,黑老虎,显微鉴别

舒筋健腰丸收载于中华人民共和国卫生部药品标准中药成方制剂第十二册, 为广州白云山陈李济药厂有限公司生产的药品。由狗脊、金樱子、鸡血藤、千斤拔、黑老虎、牛大力、桑寄生等十三味中药材组成。具有补益肝肾, 强健筋骨, 驱风除湿, 活络止痛的功效, 常用于腰膝酸痛, 坐骨神经痛[1]。近期检验中发现, 有冒充舒筋健腰丸的药品在市场中流通, 从外观上与正品毫无区别, 但显微特征异常, 总结如下, 以供参考。

1 仪器与试药

1.1 仪器

Nikon 50i荧光显微镜。

1.2 试药

水合氯醛试液;黑老虎对照药材 (中国食品药品检定研究院批号121438-200401) 。

2 方法与结果

2.1 正品

标准中显微鉴别项为嵌晶纤维近无色, 直径30~50μm, 壁极厚, 胞腔线形或不明显, 纤维壁外层密嵌细小草酸钙方晶。为黑老虎样样品品中中纤纤维维的显微特征。见图1。

2.2 样品

样品中显微镜下所见的显微特征为纤维周围有晶体存在, 而不是嵌晶纤维。见图2。

3 讨论

3.1 舒筋健腰丸标准中另有生物碱化学反应、狗脊和没药的薄层鉴别, 在检验中以上项目均未见异常。

3.2 黑老虎为五味子科南五味子属植物冷饭团Kadsura coccinea (Lem.) A.C.Smith的根和蔓茎, 别名过山龙、钻地风等, 主要分布于我国江西、湖南、福建、广西、四川、云南等地。味辛、微苦, 性温。具有行气止痛、散瘀通络的功效, 主要用于治疗风湿痹痛、跌打损伤、胃病及妇科病等[2]。黑老虎在北方不常见, 其显微特征单纯从字面理解极易判断失误, 以假乱真。因此黑老虎的显微特征是鉴别舒筋健腰丸真伪的关键, 检验中尤其注意, 不能让不法分子有机可乘, 严厉打击不法分子造假行为, 以保证人民用药安全有效。

参考文献

[1]中华人民共和国卫生部药品标准中药成方制剂, 第十二册, 中华人民共和国卫生部药典卫员会, 1997.

检验异常 篇5

1资料与方法

1.1一般资料选取2014年1月~2015年6月500例进行血生化检验的患者作为研究对象。患者男女比例287∶213, 年龄30~74岁, 平均年龄 (58.23±13.74) 岁。所有患者均进行血生化检验, 检验指标包括血清胆固醇。

1.2方法对500例进行血生化检验患者的临床资料进行回顾性的总结分析, 对其中血清胆固醇出现异常情况的患者进行统计, 并对其进行严密的观察, 对导致血清胆固醇异常的原因进行分析。

1.3评判标准[2]血清胆固醇正常值为5.72 mmol/L (220 mg/dl) , 通常以2.1~5.2 mmol/L作为正常水平范围。

2结果

进行血生化检验的500例患者中, 有120例患者的血清胆固醇出现异常, 所占比例为24%。血清胆固醇异常可分为低胆固醇和高胆固醇, 胆固醇低于正常水平的有12例, 在胆固醇异常中占比为10%;胆固醇高于正常水平的有108例, 占比为90%, 高胆固醇的发生率较低胆固醇明显更高。

120例血清胆固醇出现异常患者中12例为低胆固醇患者, 主要发生原因为原发性原因和继发性原因。原发性原因主要分为α脂蛋白血症、无β脂蛋白血症以及肝硬化, 分别有3、2、2例, 总占比为58.33% (7/12) ;继发性原因主要分为甲状腺功能亢进和贫血, 分别有3、2例, 总占比为41.67% (5/12) 。

120例血清胆固醇出现异常患者中108例为高胆固醇患者。原发性原因主要分为遗传性高胆固醇血症、高脂蛋白血症、肝脏病变、糖尿病以及低密度脂蛋白受体抗原缺陷, 分别有8、4、39、32、1例, 总占比为77.78% (84/108) 。继发性原因主要分为肾脏综合征、类脂性肾病、慢性肾炎以及甲状腺功能减退, 分别有8、7、5、4例, 总占比为22.22% (24/108) 。原发性原因所占比例较继发性原因明显更高。

3讨论

血清胆固醇, 即血清中的胆固醇总和, 能够促进维生素D、肾上腺皮质激素以及胆汁酸等物质的合成, 能够促进组织细胞膜的形成[3]。在临床上, 血清胆固醇通常用于血脂代谢情况的评估中, 还被应用于慢性疾病的临床诊断中, 尤其是心脑血管疾病和代谢性疾病[4,5,6]。

血清胆固醇水平降低通常不会带来严重的影响, 但胆固醇长期处于低水平状态, 会使人体正常的生理功能受到一定程度的影响。在临床上, 血清胆固醇升高的情况较为常见, 本次研究中, 低胆固醇在胆固醇异常患者中占比为10%, 高胆固醇占比为90%, 高胆固醇的发生率较低胆固醇明显更高。血清胆固醇持续升高会形成高胆固醇血症, 对机体的生理功能造成直接性的危害, 可能会诱发糖尿病、高血压、冠状动脉粥样硬化等心脑血管疾病, 对人们的生命安全构成威胁[7,8,9]。因此, 对血生化检验中胆固醇出现异常的原因进行分析具有十分重要的意义。

本次研究结果显示, 在低胆固醇患者中, 主要发生原因为原发性原因和继发性原因;在高胆固醇患者中, 原发性原因所占比例较继发性原因明显更高。在高胆固醇患者中, 糖尿病、肝脏病变、肾功能不全是最主要的原因之一。因此, 在临床上, 应对糖尿病患者、肝脏病变患者以及肾功能不全患者进行密切的观察, 对饮食进行调节, 以有效的控制血清胆固醇, 减少心脑血管疾病的发生。

综上所述, 在血生化检验中, 血清胆固醇水平高于正常水平的情况较为常见, 导致其出现异常的原因主要为原发性原因。

参考文献

[1]陆杨光.血生化检验的过程中血清胆固醇异常的原因分析.齐齐哈尔医学院学报, 2014, 35 (4) :507-508.

[2]郭海龙.血生化检验的过程中血清胆固醇异常的原因及处理措施.医学信息, 2014, 28 (38) :295.

[3]李丹.血生化检验的过程中血清胆固醇异常的原因及处理措施探讨.医学美学美容 (中旬刊) , 2015, 24 (4) :634.

[4]刘丽.血清胆固醇检验异常的临床病因分析.中外医学研究, 2011, 9 (28) :53.

[5]叶国华, 邹尚平.血清胆固醇检验异常的临床病因.中外医疗, 2013, 32 (14) :2-3.

[6]张立.探讨血生化检验的过程中血清胆固醇异常的原因及处理对策.大家健康 (中旬版) , 2014 (21) :106.

[7]张建刚.探讨血生化检验的过程中血清胆固醇异常的原因及处理对策.药物与人, 2014, 27 (9) :106.

[8]梁盈莹.血生化检验的过程中血清胆固醇异常的原因及处理措施.今日健康, 2015 (1) :293.

检验异常 篇6

可靠性是武器装备研制与使用过程中需要重点考虑的因素。随着武器装备复杂化、信息化、集成化程度的提高,其可靠性验证试验具有试验成本高、毁伤大、试验周期长、样本量小等特点,不利于采用经典统计理论进行试验分析[1]。由于能够综合利用多源验前信息,Bayesian方法为武器装备的小子样试验提供了非常重要的理论支撑,极大地提高了小子样试验的科学性及合理性[2]。

在Bayesian方法中,验前信息对于装备战技指标的评估分析具有一定的补充作用。然而,该信息的获取及应用比较理想化,没有考虑信息失真可能造成与真实推断结果偏差较大,导致决策风险加大的情况[3]。因此,需要对Bayesian统计推断过程中使用的验前信息进行研究,完善Bayesian统计推断过程。

基于验前信息在Bayesian统计推断中的重要性,国内外专家均对其进行了深入地研究,主要包括信息融合及可信度研究两方面。信息融合技术研究已经比较成熟[4,5,6],进行了深入的讨论。对于验前信息可信度研究,Qi Liu[7]基于验前信息与现场试验信息的一致性,采用信仰分布的思路,给出了验前信息可信度的计算方法。A. Zonnenshain & M. Haim[8]采用专家打分法确定了Bayesian试验分析中验前信息的权重问题,这其实也是对验前信息可信度的一种认识与计算。段晓君等[9]采用信息散度的思想,分析了验前分布与实际试验样本服从分布的差异,并确定了验前样本的权重以进行Bayesian估计。马溧梅等[10]基于专家信息的一致性定义,验证了专家信息的有效性。张金槐等[11]采用秩和检验方法得到了验前信息可信度,其中需要采用Bootstrap和Monte-Carlo方法用以确定β值。

从大量文献来看,对于验前信息的可信度问题,虽然已有大量研究,但仍存在以下问题:1)目前尚未有关于现场试验信息为样本数据,验前信息为分布形式的可信度研究;2)目前对于验前信息可信度的获取,缺乏客观的解析方法;3)仅从弃真风险的角度考虑验前信息可信度的计算,但从工程意义上来讲,需要从两类风险的角度来考虑可信度的计算;4)目前关于验前信息可信度的研究,其处理的现场试验样本量比较大,没有涉及到现场试验小子样或特小子样的情况。

基于上述四点不足,本文以正态分布为例,提出一种基于异常值的验前信息可信度仿真实现方法,完善了Bayesian理论,提高了验前信息使用的科学性及合理性。

1 可信度定义及计算

Gilbert A. Churchill等[12]从统计学角度上给出了可信度的定义,即测量数据和结论的可靠性程度,也就是说测量工具能否准确地测量到它要测量的事项的程度。将上述概念应用到验前信息的可信度分析中,针对本文所讨论的验前信息为参数分布形式,现场试验信息为样本数据的情况,将验前信息可信度定义为:由参数验前分布生成的总体分布对现场试验信息描述的准确程度,可进一步表示如图1所示。

其中,f(x|θ)表示由验前分布生成的参数值拟合而成的总体分布密度曲线,f(x) 表示现场试验数据服从的真实分布,这两个曲线重合的面积越大,表明两种分布的一致性越高,进一步则表明验前信息的可信度越高。

目前的对于可信度计算的主要思路是利用现场试验信息检验验前信息的可信度情况,采用的主要方法是验前信息与现场试验信息一致性检验[13]。该方法对于现场试验样本量较大的情况比较适用,但对于小子样或特小子样的情况,也很难得出较好的结果。这是因为即便采用bootstrap方法生成再生样本,也要求其原始现场试验样本足够多。

因此,本文提出一种基于异常值检验的验前信息可信度计算方法。之所以使用异常值检验,而放弃使用检验均值异常的原因,是由于对于小子样或特小子样的情况,均值计算会导致有限的信息互消,不能充分挖掘数据信息。

基于异常值检验的验前信息可信度的计算思路是:利用验前信息得到相应的参数信息,并由此得到对应的总体分布密度函数,进而对现场试验数据进行异常值检验。由于假定现场试验数据完全可信,若存在异常值,则表明由验前信息生成的参数信息不能很好地描述现场试验信息,即参数信息异常,进而反映出验前信息的可信度值。

由于通过验前分布能够仿真随机生成多个参数值,通过异常值检验能够判断其中有多少参数值异常,并由此计算出非异常参数在总体参数中所占的比例,将该值作为验前信息可信度。

2 基于异常值检验的可信度计算

2.1 方法基本思想

利用验前分布π(θ),随机生成N个参数值θ1,…,θN,进而得到总体分布f(x|θ1),…,f(x|θN)。基于不同的分布f(x|θi)(1,…,N),利用异常值检验方法,检验现场试验数据x1,…,xn能否通过检验,进而得到验前信息可信度值。其中,异常值检验过程如图2所示。

针对具体的参数θi,其异常值检验的结果赋值如下

$\begin{array}{l}{\rm O}{}_i={\rm O}(x{}_1,\cdots ,x{}_n|f(x|\theta {}_i))=\\ \{\begin{array}{l}1,\text{通}\text{过}\text{异}\text{常}\text{值}\text{检}\text{验}\\ 0,\text{未}\text{通}\text{过}\text{异}\text{常}\text{值}\text{检}\text{验}\end{array}(1)\end{array}$

通过上述异常值检验,得到当进行N次仿真循环时,其对应的验前信息可信度的计算公式为

$C{}_{{\rm N}}=\frac{{\displaystyle \sum _{i=1}^{{\rm N}}{\rm O}}{}_i}{{\rm N}}(2)$

由此可知,通过异常值检验的次数越多,C值越大,验前信息对现场试验信息的描述越准确,验前信息可信度越高。本文通过仿真方法随机生成参数值,进而计算得到验前信息可信度值。当仿真次数足够大时,验前信息的可信度值将趋近于一个常数,即存在如下关系:

$\underset{{\rm N}\to \infty }{{\displaystyle \lim }}C{}_{{\rm N}}=C(3)$

然而,在实际操作中无法取得N值为无穷大的情况。因此,可设定一定的仿真截止条件,当CN值满足一定截尾要求时,停止仿真,得到验前信息可信度值。一般而言,对于仿真规则有两种精度要求可供选择。

1) 绝对精度要求

$|C{}_{{\rm N}}-C{}_{{\rm N}-1}|\le \epsilon (4)$

2) 相对精度要求

$\left|\frac{C{}_{{\rm N}}-C{}_{{\rm N}-1}}{C{}_{{\rm N}}}\right|\le \epsilon (5)$

其中ε为仿真的截尾条件,且ε>0。当达到规定精度要求时,即可得到验前信息可信度值为CN=C。

2.2 异常值检验的基础理论

对于异常值[14]的定义为:当样本中有个别的值,其数值明显偏离其所在的样本的其余观测值,这种个别值称为异常值。在本文中,由于假定现场试验信息完全可信,当检验出现异常值时,只有可能是验前信息出现了异常。

同时,对于异常值的检验,需要设定一定的为显著性水平α,一般取1%,5%,10%。基于验前信息对于统计推断全过程的重要性,应尽可能取比较高的显著性水平,这样才能保证统计推断全过程的两类风险尽可能小,本文取5%的显著性水平来检验验前信息。

然而,针对具体的统计推断分析过程,需要分析的参数分布类型不同,其异常值检验方法也有所不同。如正态分布[14]采用Nair检验及Grubbs检验,Weibull分布[15]采用F-型检验或G-型检验,均匀分布[16]采用Dixon检验等。

2.3 可信度公式描述

在上文中,推导得到验前信息可信度值的计算公式为

$C{}_{{\rm N}}=\frac{{\displaystyle \sum _{i=1}^{{\rm N}}{\rm O}}{}_i}{{\rm N}}(2)$

对于该公式,我们可以通过图3进行图形化描述,并得到如下分析

图3 a(1)表示验前分布π0(θ)的期望接近“真实”期望,且方差较小。图3 a(2)表示,当采用π0(θ)生成随机参数θi,进而得到总体分布密度函数f0(x|θi)时,现场试验数据x1,…,xn落在分布族f0(x|θi)置信区间的概率较大。采用同一组现场试验数据进行异常值检验,针对随机生成的不同参数θi,通过异常值检验的次数较多。该结果表明验前分布能够较好地描述现场试验数据,可信度较高。

图3 b(1)表示验前分布π1(θ)的期望远离“真实”期望,且方差较大。图3 b(2)表示,当采用π1(θ)生成随机参数θi,进而得到总体分布密度函数f1(x|θi)时,现场试验数据x1,…,xn落在分布族f1(x|θi)置信区间的概率较大。采用同一组现场试验数据进行异常值检验,针对随机生成的不同参数θi,通过异常值检验的次数较少。该结果表明验前信息不能很好地描述现场试验数据,可信度较低。

3 验前信息可信度的仿真实现

采用公式(4)提到的绝对精度要求作为仿真规则实现验前信息可信度的求解,该求解过程的实施步骤为:

Step 1:设置仿真的初始条件,包括验前分布的超参数、现场试验信息、初始仿真循环次数N、仿真有效次数n(验前信息可以描述现场试验信息的仿真次数,n初始值为0)、可信度初始值C=0、仿真试验初始值i=1及仿真精度ε的取值。

Step 2:开始仿真,若i≤N,以π(θ)为种子,随机生成均值参数θi,进而得到分布f(x|θi),转Step 3;若i>N,转Step 4。

Step 3: 引入分布f(x|θi),进行异常值检验:若不存在异常值,则令n=n+1,i=i+1,转Step 4;若存在异常值,则令i=i+1,转Step 4。

Step 4: 取CN=n/N,判断:

若满足公式(4),结束仿真,验前信息可信度C=CN,仿真截尾次数为N;

若不满足公式(4),令N=N+1,转Step 3。

接下来,以正态分布为例,对上述过程进行算例说明。

4 算例分析

针对某雷达探测距离的试验,从历史资料中得到相关距离数据,通过不同的处理方式,分别得到均值θ的三个验前分布:

πA(θ)～N(97.6808,0.9);

πB(θ)～N(97.6808,0.2);

πC(θ)～N(98.6808,0.9)。

已知该雷达探测距离的方差σ2=1,给定置信水平要求为α=0.05,仿真精度为ε=0.000 01。在该雷达的实际探测距离试验中共获得6组数据,即:

x1=99.50; x2=100.11; x3=99.29;

x4=100.06; x5=100.24; x6=99.66。

其中$\overline{x}={\displaystyle \sum _{i=1}^{n}x}{}_i=99.81$。由于总体服从正态分布,且方差σ2已知,故采用Nair检验方法[14]对现场试验数据进行异常值检验,得到验前信息可信度值。通过Nair临界值表知,R1-0.05/2(6)=2.408。

通过图4可知,πA(θ)的期望离现场试验均值较远,且方差较大,故其仿真生成的总体分布密度函数仍能描述现场试验数据。以πA(θ)为标准,πB(θ)相当于减小了πA(θ)分布的方差,其仿真生成的总体分布密度函数对现场试验数据的描述变差。πC(θ)相当于增大了πA(θ)分布的期望,其仿真生成的总体密度函数能够更好地描述现场试验数据。因此,从理论上推知三种验前分布的可信度为:CB<CA<CC。

在ε=0.00001的条件下,利用Matlab软件进行仿真计算,分别得到三种分布所对应的可信度CA,CB,Cc随着仿真循环次数的变化情况如图5所示:

(1)对于分布πA(θ),当N=42 650时,满足仿真截止条件,此时得到验前信息可信度值为C=0.432 7;

(2)对于分布πB(θ),当N=44 750时,满足仿真截止条件,此时得到验前信息可信度值为C=0.222 9;

(3)对于分布πC(θ),当N=72 550时,满足仿真截止条件,此时得到验前信息可信度值为C=0.825 9。

通过上述计算可知,解析解与理论推导相一致,即分布πC(θ)仿真生成的总体分布能够更准确地描述现场试验信息,其可信度最高。同时,通过分析得知:对于正态分布,验前分布中的均值和方差超参数对于验前信息可信度均有影响,故选取验前信息进行Bayesian统计推断时,需要格外谨慎。

5 结论

本文基于异常值检验,通过仿真方法实现了对Bayesian验前信息可信度的计算。同时,采用MATLAB软件实现了算法的求解,通过实例分析证明了算法的有效性及合理性。该方法在一定程度上保证了验前信息使用的科学性及严谨性,很大程度上避免了对验前信息的滥用所导致的不良试验评估结果。

检验异常 篇7

在一个有效的资本市场上，股票价格已经充分反映了所有关于公司运营的信息，并不存在会计信息失真问题。然而，股东—经理人代理问题导致经理人基于自身利益最大化的动机，通过各种手段粉饰披露的财务报告，造成公司会计信息失真。会计信息失真一方面会严重误导投资者的判断和决策，造成投资者利益损失；另一方面，还会干扰监管机构发挥作用和资本市场有效运行，降低资本市场资源配置效率。

我国作为一个新兴市场经济体，经济转型过程中资本市场的各项建设虽取得了一定发展，但各项正式制度的制定和执行仍待进一步健全和完善；而与此同时，频繁曝出的财务舞弊、会计造假等财务报告违规行为，吸引了国内实务界和学术界持久的关注。因此，进一步展开会计信息失真问题研究，有效检测和刻画我国上市公司会计信息失真水平具有十分重要的理论价值和现实意义。然而，上市公司会计信息失真难以被有效量化，而且信息不对称导致公司内部会计数据调整行为的外部不可观测性，那么如何才能有效刻画公司会计信息失真水平？

有部分学者基于盈余管理的视角探讨会计信息失真问题，他们认为：公司经理人可以通过调整会计方法、操控真实交易活动进行盈余操纵，可采用统计模型计算公司非正常的应计项目、非正常的真实交易活动刻画公司盈余管理水平。也有部分学者基于投资者反应考察会计信息失真问题，他们认为：资本市场对公司财务报告盈余信息的股价反应能够刻画公司盈余信息质量。此外，还有一些学者则基于证券监管机构、审计师和证券分析师等外部机构的视角，以证券监管机构处罚、财务重述行为、信息披露评级、审计师意见和证券分析师预测偏差等刻画公司盈余管理、会计信息质量和财务报告违规程度，取得了十分丰富的研究成果。

然而，由于无法完全控制所有公司特征因素（如商业模式、公司复杂性等），已有文献基于盈余管理视角探讨会计信息失真问题的实证研究过程往往很难克服内生性的影响。此外，以盈余反应系数衡量上市公司盈余信息质量也很难有效控制宏观经济、资本市场和公司特征等各种不可观测因素的影响。而基于外部机构视角检验间接衡量公司财务报告违规行为，也面临比较严重的样本自选择问题。

随着数学研究方法和数据挖掘分析工具被不断引入经济管理研究领域，国外学者逐步探索运用本福特法则检测“自然”数据是否被人为修改。已有研究通过社会调查数据、拍卖数据、会计数据、金融数据、人口统计资料数据、选举数据等各种类型的数据集，广泛验证了本福特法则在社会经济研究领域的适用性。Carslaw(1988）最早运用本福特法则检测会计数据舞弊行为，发现新西兰上市公司管理层实施了积极的盈余管理；此后Thomas(1989）也以美国样本数据验证了本福特法则的适用性。国内学者岳衡等（2007）检测了我国1996～2005年间上市公司净利润数据的数字分布特征，首次经验证明了本福特法则检测我国盈余数据舞弊的适用性。

目前国内关于本福特法则检测公司会计信息失真的研究还比较少，缺乏对我国上市公司会计数字分布的总体、年度和行业分布情况的研究，尤其是采用财务报告全体数据的会计分布特征刻画会计信息失真水平，并检测其适用性的研究更是少有涉及。

本文尝试利用我国1998～2013年间所有上市公司年度报告的会计数据，实证检验运用本福特法则检测会计信息失真的适用性如何。文章首先分析了我国所有上市公司会计数字分布的总体情况，并进行了分年度和分行业的对比分析；然后以首位数字分布与“本福特”分布的偏离程度（异常分布程度）刻画会计信息失真水平，实证检验了应计和真实盈余管理水平对公司会计信息失真的影响；进一步地，基于外部证券监管机构处罚的研究视角，考察了在我国运用本福特法则检测会计信息失真的适用性。

本文的预期贡献主要在于：(1)为我国关于上市公司会计信息失真的研究提供了新的视角，丰富了该领域的现有研究文献；(2)丰富和拓展了本福特法则在我国的研究领域，论证了运用本福特法则检测会计信息失真的适用性；(3)本文也为深化投资者、监管机构和第三方中介机构对上市公司会计信息失真的理解和认识提供了一些有价值的参考和建议。

二、理论分析与假说提出

（一）本福特法则及其应用

本福特法则指出，正常情况下没有被人为规则调整的自然数据，其首位数字出现的概率服从以下特征：

其中，数据中较小的首位数字出现的概率更高，首位数字中1出现的概率达到30.1%、2则为17.61%，以此类推（见表1）。

自本福特法则被发现和验证之后，国外部分学者开始将其应用于检测公司会计信息失真的研究中，如果公司会计数据被人为修改，那么其首位数字的分布则会与本福特法则相违背。

（二）假说提出过程

国内外已有文献通过各国上市公司的盈余数据集论证了本福特法则在会计研究领域的适用性，而Amiram等（2014）也利用美国上市公司年度财务报表的会计数字分布验证了本福特法则用于检测公司年度财务报告违规的适用性。基于此，本文提出以下假说：

假说H1：我国上市公司财务报告中会计数据的首位数字特征符合本福特法则。

如果公司会计数字分布背离本福特法则，会计数字异常分布程度越高，意味着上市公司年度财务报告中会计数据被人为修改的可能性越高，会计信息失真问题越为严重。Amiram等（2014）通过大数据仿真模拟的研究方法发现：如果在5%～50%范围内人为地随机调整公司销售收入，基于会计数字异常分布程度计算的财务报告违规指标在87%的情形下都会显著增加，表明本福特法则能够检测出公司经理人对财务报告中会计数据的人为修改。此外，已有大量研究基于盈余管理视角研究上市公司的会计信息失真问题，认为公司盈余管理水平与会计信息失真密切相关，公司盈余管理水平越高，会计信息失真问题越为严重。

目前，已有文献主要以统计模型计算的操纵性应计盈余管理指标和真实活动盈余管理指标刻画上市公司的盈余管理水平。因此，本文实证检验了应计和真实盈余管理水平与公司会计数字异常分布程度的相互关系，提出以下研究假说：

假说H2a：我国上市公司应计盈余管理水平与会计数字异常分布程度显著正相关。

假说H2b：我国上市公司真实盈余管理水平与会计数字异常分布程度显著正相关。

部分研究基于监管机构处罚的视角考察了上市公司的会计信息失真问题，如果上市公司发生财务报告违规行为，就可能受到来自证监会等外部监管机构的关注和处罚，而上市公司财务报告违规行为则必然会产生不同程度的会计信息失真问题。因此，基于外部证券监管机构对公司违规行为处罚的研究视角，可以将我国所有上市公司分为以下四类：（i）上市公司未发生财务报告违规行为；（ii）上市公司发生财务报告违规，但未被发现；（iii）上市公司发生财务报告违规且被发现，但未受到证券监管机构的处罚；（iv）上市公司发生财务报告违规被发现，且受到证券监管机构的处罚。

本文分析认为，与前三类样本公司相比，第（iv）类样本公司财务报告数据的会计数字异常分布程度相对更高，即基于本福特法则计算的上市公司会计信息失真水平相对较高。这意味着，如果上市公司年度财务报告的会计数字异常分布程度越大（即会计信息失真水平越高），上市公司年度财务报告被证券监管机构行政处罚的可能性越高。基于以上分析，本文提出以下研究假说：

假说H3：我国上市公司会计数字异常分布程度与证券监管机构行政处罚显著正相关。

三、研究设计

（一）变量

1. 会计信息失真：

基于本福特法则。借鉴Amiram等（2014）的处理方法，本文首先利用Kolmogorov-Smirnov(KS）检验法对我国1998～2013年所有上市公司年度财务报告中会计数据是否符合本福特法则进行验证，并对全体数据进行分年度、分行业的检验，以验证本福特法则在我国检测会计数据操纵的适用性。

本文还借鉴了Thomas(1989）的处理方法，通过Z统计检验法检测会计数据的首位数字分布是否与“本福特”分布存在显著差异：

其中：fSDob,dserved为首位数字d出现的实际次数；n为观测值的数量；P(SDd）为根据本福特法则计算出的首位数字理论概率；Z服从标准正太分布。

此外，本文基于公司年度财务报告中会计数据的首位数字分布与本福特法则的偏离程度，分别通过KS检验值和平均绝对偏差（MAD）检验值构建会计数字异常分布指标，以刻画上市公司的会计信息失真水平。具体计算方法如下：

Amiram(2014）指出，如果KS检验值小于1.36/n，则表明会计数字分布在5%的置信水平下满足本福特法则；而Nigrini(2006）指出，如果MAD检验值小于0.006，则意味着首位会计数字分布与本福特法则的偏离程度在可接受的范围内。

在后续实证研究过程中，本文利用MAD值对基于会计数字异常分布程度刻画的会计信息失真水平与上市公司盈余管理水平、证监会行政处罚的相互关系展开实证检验，以验证运用本福特法则检测我国上市公司会计信息失真的适用性。

2. 盈余管理。

(1）应计盈余管理。Dechow等（1995）比较分析了衡量盈余管理的4个重要模型后发现，修正的Jones模型对于识别盈余管理最为有效，这也得到国内众多学者的认可。因此，本文以基于行业分类的横截面修正Jones模型，计算操纵性应计盈余管理指标ABSDA，以衡量上市公司通过应计项目进行盈余管理的程度。此外，本文还利用基于行业分类的横截面修正DD模型（2002），计算公司应计项目盈余管理水平。

(2）真实盈余管理。本文借鉴前人的研究成果，从以下三个维度衡量上市公司通过真实经营活动进行的盈余管理行为：与日常经营相违背的异常现金流（ACFO）、可操纵性费用（AEXP）以及异常生成成本（APROD）。ACFO越小，公司通过价格折扣、宽松信用条款进行产品促销的可能性越高，因而越可能提高公司当期利润；AEXP越小，说明公司越可能削减当期研发费用、销售费用及管理费用等可操纵性费用，进而提升公司当期利润；APROD越大，公司越可能通过超量生产降低单位产品成本、提高产品的边际利润，进而提高公司当期利润。

3. 证券监管机构行政处罚。

由于上市公司财务报告违规行为的不可观测性，本文基于证券监管机构行政处罚的研究视角考察上市公司的财务报告违规行为。借鉴Amiram等（2014）的处理方法，本文构建二元哑变量V＿dum，如果上市公司该年度因为年度财务报告违规而受到证监会及其下属派出机构、上交所和深交所等证券监管机构的行政处罚，V＿dum为1；反之，则为0。

（二）模型设定

本文构建模型（1），验证操纵性应计盈余管理水平、真实盈余管理水平与公司会计数字异常分布程度的相互关系。

其中：EM分别以修正的Jones模型（1991）计算的AB-SDA指标、修正的DD模型（2002）衡量；RM分别以Roychowdhury模型（2006）计算的与日常经营相违背的异常现金流、可操纵性费用以及异常生成成本加以衡量。本文预期α1显著为正、α2显著为负，即公司较高的应计盈余管理水平和真实盈余管理水平会显著增加公司年度财务报告会计数据的异常分布程度，意味着会计数字分布特征能够比较有效地刻画基于盈余管理视角的会计信息失真水平。

进一步地，为了验证会计数字异常分布程度对公司被证券监管机构行政处罚的影响，本文构建Logit模型如下：

本文关注的是β1，预期为正，即年度财务报告的会计数字异常分布程度越大，公司会计信息失真水平越高，公司被证监会等外部证券监管机构处罚的可能性越高，意味着基于本福特法则计算的会计数字异常分布能够比较有效地刻画公司会计信息失真水平。此外，预期β2显著为正、β3显著为负，即较高的应计和真实盈余管理水平也会显著增加公司年度财务报告被证券监管机构给予行政处罚的可能性。

（三）样本和数据

本文选取1998～2013年沪深两市所有A股上市公司为初始研究样本。

首先，从CSMAR数据库中提取各年度各公司年度财务报告的资产负债表、利润表和现金流量表中的所有会计数据，根据会计数据的首位数字分布与本福特法则的比较计算会计数字异常分布程度，共获取26 278个有效样本数据。

其次，根据盈余管理的各项模型，分别计算应计盈余管理和真实盈余管理的各项指标，共获取样本期间为2001～2013年的13 086个有效样本数据。

然后，从CSMAR中国上市公司违规处理研究数据库下载证监会及其下属派出机构、上交所和深交所等证券监管机构的行政处罚数据。数据显示，1998～2013年间共有654家上市公司受到我国证券监管机构的行政处罚，其中共有278家次的上市公司由于年度财务报告违规受到行政处罚，而本文关注的是由于虚构利润、虚列资产、虚假陈述和重大遗漏等原因导致的财务报告违规行为，此类样本共有186个，依次剔除MAD值和盈余管理指标缺失的样本后，共剩下有效样本143个。

最后，从CSMAR数据库中获取样本区间的财务杠杆、资产收益率和每股收益等控制变量数据。具体样本和数据的描述性统计结果见表2。

四、实证结果

（一）我国上市公司的会计数字分布特征

表3列示了1998～2013年间我国所有上市公司年度财务报告的会计数字分布特征。Panel＿A是根据所有年度—公司样本计算首位数字1～9的概率，进而计算基于本福特法则的会计数字异常分布程度（KS值和MAD值）。结果显示，KS值为0.003 5（小于0.008 4）、MAD值为0.000 9（小于0.006），表明我国上市公司的会计数字分布基本符合本福特法则。此外，本文还发现，我国上市公司财务报告中的会计数据会更多地使用数字3、4、5和6，而数字1、2和9出现的频率则会相对较低。

表3中的Panel＿B和Panel＿C分别给出了我国上市公司分年度、分行业的基于本福特法则的异常分布程度。根据各年度、各行业分别计算出上市公司年度财务报表会计数据中首位数字1到9出现的概率，进而计算出各年度、各行业的财务报告违规程度KS值和MAD值。Panel＿B结果显示，我国上市公司1998年到2013年的总体会计数字分布均服从本福特法则。

Panel＿C结果则表明，除“居民服务、修理和其他服务业”及“住宿和餐饮业”外，其他行业的会计数字分布在总体上也都服从本福特法则。以上研究结果表明，我国上市公司年度财务报告会计数据的首位数字分布服从本福特法则，假说H1得到验证。

（二）会计数字异常分布与盈余管理

表4检验了应计、真实盈余管理对会计数字异常分布程度的影响，其中（i）列和（ii）列分别是以Jones模型和DD模型计算操纵性应计盈余管理的回归检验结果。结果显示，会计数字异常分布（MAD）与应计盈余管理（ABSDA和ABSDD）显著正相关，相关系数分别为0.002(5%水平下）和0.003(5%水平下），意味着应计盈余管理水平分别每提升1个单位，上市公司会计数字异常分布程度相应分别增加了0.2%和0.3%，假说H2a得到验证。

此外，会计数字异常分布程度与真实盈余管理的回归结果表明：MAD与异常销售操纵（ACFO）显著负相关（10%水平下）；与异常生产成本操纵（AEXP）显著负相关（1%水平下）；与异常费用操纵（APROD）显著负相关（1%水平下），假说H2b得到验证。

实证检验结果表明，基于本福特法则计算出的会计数字异常分布程度与应计盈余管理、真实盈余管理均呈现显著的正相关关系，且我国上市公司财务报告数据总体满足本福特法则。因此，基于上市公司年报财务数据的会计数字异常分布程度计算得出的FSD＿MAD检验值可以在一定程度上刻画上市公司会计信息失真水平。

而且，与已有研究集中以应计盈余管理和真实盈余管理等指标刻画公司会计信息质量和财务数据舞弊相比，FSD＿MAD检验值具有比较明显的优势：首先，无论是基于修正的Jones模型（1991）和修正的DD模型（2002）计算的应计盈余管理，还是基于Roychowdhury模型（2006）计算的真实盈余管理，都会受到一些无法控制的公司特质因素（例如商业模式、公司复杂性等）的潜在干扰，而基于会计数字异常分布刻画公司会计信息失真能够有效克服此类问题。其次，MAD检验值能够直接检验公司年报披露的会计数据，不需要时间序列、混合截面或面板数据，这些数据在其他模型计算盈余管理水平时则是必需的，会导致数据缺失引起的样本量减少。此外，MAD检验值直接根据上市公司年度报告披露的会计数据是否满足本福特法则计算得出，在一定程度上可视为“外生变量”，可以克服其他衡量方法必须面对的内生性问题。最后，随着我国可扩展商业报告语言（XBRL）技术的大力推广和广泛应用，MAD检验值可以通过XBRL获取公司的“大数据”进行会计信息失真的相关研究，具有比较广泛的应用前景。

注：*、**、***分别表示在10%、5%和1%的水平下显著，下同。

（三）会计数字异常分布与监管机构行政处罚

表5检验了会计数字异常分布程度与证券监管机构行政处罚的相互关系，其中（i）列到（iv）列分别是会计数字异常分布程度（MAD）和会计数字异常分布程度变动（△MAD）的回归检验结果。

(i）列结果显示，MAD检验值与证券监管机构行政处罚（V＿dum）的回归系数达到28.218(5%的水平下），意味着MAD检验值每增加1个单位，上市公司被证监会处罚的可能性相应增加28.218个单位；（ii）列结果也表明，△MAD与证监会处罚（V＿dum）的回归系数也达到17.351(5%的水平下）。实证检验结果验证了假说H3，基于会计数字异常分布程度刻画的公司会计信息失真水平对公司被证券监管机构处罚的可能性存在显著影响，意味着会计数字异常分布程度能够比较有效地刻画公司会计信息失真水平。

而且，本文还发现应计盈余管理（ABSDA）与证监会处罚呈显著的正相关关系（5%水平下），表明公司越多地选择会计方法进行应计项目的调整，其年度财务报告被证券监管机构行政处罚的可能性越高。杠杆水平（Lev）与证监会处罚显著正相关，每股收益（Eps）与证监会处罚显著负相关，这意味着公司财务杠杆越高、公司每股收益越低，公司年度财务报告被证券监管机构行政处罚的可能性越高。

此外，本文未能发现采用修正DD模型（2002）计算的应计盈余管理以及真实盈余管理与证券监管机构行政处罚呈显著的相关关系，一个可能的解释是真实盈余管理活动很少可能被监管层仔细审查，因此其潜在具有不被调查的更大可能性，这也符合Graham等（2005）的研究结论。

（四）稳健性测试

岳衡等（2007）指出，应用本福特法则检测上市公司年度财务报告盈余数据是否存在人为操纵的基础在于，基于本福特法则计算得出的关于数字概率分布的正确性。尽管国内外众多学者利用宏观经济数据、社会调查数据、会计数据、金融数据、选举数据等各种类型的数据集验证了本福特法则的适用性，然而其对于我国上市公司年度财务报告会计数据的适用性仍不明确。因此，为了降低对于应用会计数字分布刻画我国上市公司会计信息失真可靠性的质疑，以及进一步验证本文研究结论的稳健可靠。除了对会计数据的首位数字分布展开分析检验，本文还对我国上市公司年报会计数据展开了第二位数字分析（Second digits analysis）和前两位数字分析（First two digits analysis），基本原理与首位数字分析基本相符，在此仅对第二位数字分析做简要介绍。根据本福特法则，数据中的第二位数字出现概率为：

FD表示第一位数字，SD表示第二位数字，根据本福特法则计算得出的第二位数字的概率分布见表6。

根据前文研究方法对我国上市公司年报会计数据第二位数字分布与本福特法则展开对比检验分析，研究结果同样验证了本福特法则在我国财务报告数据的适用性。

此外，本文除应用KS检验和MAD检验衡量上市公司年报财务数据的会计数字异常分布程度之外，还借鉴岳衡等（2007）的研究方法构建了卡方检验值，衡量会计数字异常分布程度，稳健性检验结果与前文研究结论基本相符，表明本文主要结论是稳健可靠的。

五、结论

与已有部分研究集中以统计模型计算盈余管理水平不同，本文基于本福特法则考察了上市公司年度财务报告的会计数字分布特征。研究发现：(1)1998～2013年间我国上市公司年度财务报告中的会计数据整体上基本服从本福特法则，而财务报告中首位数字3、4、5和6出现的概率相对较高，1、2、9则相应较低；此外，分行业和分年度的会计数字分布也基本服从本福特法则。(2)我国上市公司应计、真实盈余管理水平对会计数字异常分布程度有显著正向影响，公司应计和真实盈余水平越高，会计数字异常分布程度越大。(3)我国上市公司异常分布程度与证券监管机构处罚可能性显著正相关，此外还发现应计盈余管理水平越高，证券监管机构处罚的可能性相应越高。

本文经验证明了在我国应用本福特法则分析我国上市公司年报会计数据的适用性，以及基于会计数字异常分布刻画财务报告违规程度的可靠性。在信息技术和XBRL技术蓬勃发展的“大数据”时代，本文为检测上市公司会计信息失真提供了一种简单易行的评估方法，为研究财务舞弊和会计数据造假提供了一些有价值的研究借鉴；同时，也进一步丰富了国内应用本福特法则检测数据人为调整的研究文献，拓展了本福特法则在我国的应用研究领域。

下一步可以尝试基于本福特法则，构建上市公司会计信息失真的影响因素模型，进一步探讨外部审计师、公司治理机制等对公司会计信息失真的影响路径和作用机制。此外，除了用于检测会计和审计领域的数据造假，本福特法则的应用领域还有待拓展，进一步验证本福特法则在我国社会调查数据、宏观经济数据和社会责任数据等领域的适用性。

摘要：公司会计信息失真往往很难被外部投资者、审计师以及监管机构予以有效甄别。基于本福特法则,本文提取我国19982013年间所有上市公司年度财务报告的会计数据,以首位数字分布与“本福特”分布的偏离程度(异常分布程度)刻画会计信息失真水平,检验了会计信息失真与应计和真实盈余管理水平、监管机构处罚的相互关系。研究发现:1上市公司应计和真实盈余管理水平越高,年报会计数字异常分布程度越大、会计信息失真水平越高;2会计信息失真水平越高,公司年报被监管机构处罚的可能性越高。本文验证了本福特法则检测我国公司会计信息失真的适用性,丰富了相关研究文献。

关键词：本福特法则,会计信息失真,盈余管理,监管机构处罚

参考文献

Roychowdhury,S..Earnings Management through Real Activities Manipulation[J].Journal of Accounting and Economics,2006(42).

王化成,佟岩.控股股东与盈余质量——基于盈余反应系数的考察[J].会计研究,2006(2).

Benford,F..The Law of Anomalous Numbers[J].Proceedings of the American Philosophical Society,1938(78).

Dechow,P.M.,Ge,W.,Larson,C.R.,et.al.Predicting Material Accounting Misstatements[J].Contemporary Accounting Research,2011(28).

Giles,D.E..Benford'S Law and Naturally Occurring Prices in Certain Ebay Auctions[J].Applied Economics Letters,2007(14).

李增福,董志强,连玉君.应计项目盈余管理还是真实活动盈余管理?——基于我国2007年所得税改革的研究[J].管理世界,2011(3).

Lolbert,T..Digital Analysis:Theory and Applications in Auditing[J].Hungarian Statistical Review,2006(10).

岳衡,陈溪,赵龙凯.有限记忆与盈余数据的异常分布[J].金融研究,2007(11).

赵莹,韩立岩,李惠敏.中国上市公司利润操纵的行为特质:基于Benford律的研究[J].审计研究,2007(6).

检验异常 篇8

关键词：血细胞分析仪,形态异常细胞,报警系统,功能评价

CELL-EYN3700全自动血液分析仪 (以下简称3700血液分析仪) 是档次较高的五分类仪器, 由美国雅培公司生产, 共有23项参数。通过MAPSS技术 (多角度、偏振光、散射) 对白细胞进行分类。仪器内设置的警示系统可提示VAR LYM (异常淋巴细胞) 、BAND (杆状核细胞) 、IG (未成熟细胞) 、BLAST (原始细胞) 、NRBC (有核红细胞) 、RRBC (抗溶性红细胞) 等信息。作者对前四种设定功能的可靠性进行了探讨。

1 资料与方法

1.1 仪器

美国CELL-DYN3700五分类血液分析仪, 原装配套试剂以及质控品 (N0108D) :美国雅培公司生产。Olympus CH20双目显微镜:日本Olympus生产。EDTA-k2真空抗凝管, 广州阳普公司生产。

1.2 样本来源

1464例随机样本来自本院住院患者, 早晨空腹抽取2mL静脉血置EDTA-K2真空抗凝管, 混匀后室温放置, 所有操作均在2h内完成。其中急性白血病114例, 慢性白血病52例, 多发性骨髓瘤18例, 骨髓异常增生综合征30例, 粒细胞减少症24例, 全血细胞减少症16例, 流行性出血热4例, 各种外科疾病716例, 各种内科疾病450例。

1.3 样本分类及阳性判断标准

按照常规镜检白细胞分类为每份样本分析200个白细胞, 试验时严格按照仪器操作手册的规程进行。当仪器显示为下列四项中的任何一项则提示为阳性: (1) VAR LYM (异常淋巴细胞) ; (2) BAND (杆状核细胞) ; (3) IG (未成熟细胞) ; (4) BLAST (原始细胞) 。显微镜分类: (1) 中性杆状核>15%; (2) 不典型淋巴细胞>10%; (3) 晚幼粒细胞或更早阶段粒细胞>1%[1,2]。三项中符合上述任何一项标准即判断为阳性。

1.4 血细胞分析仪灵敏度检测

采用瑞氏-姬姆萨染色液染色血涂片, 自然干燥后镜检, 当检测到上述仪器提示的异常细胞时, 用仪原装稀释液将血标本稀释成系列要求浓度, 分别经仪器测定。仪器异常细胞检测的最终灵敏度为最大稀释倍数所测出的阳性结果。试验操作有2名经验丰富的中级职称人员达成一致结论后完成。

1.5 样本白细胞分类标准

分类以血涂片镜检结果为准: (1) 仪器及镜检提示均阳性, 判断为真阳性 (TP) ; (2) 仪器结果阳性而镜检为阴性, 判断为假阳性 (FP) ; (3) 仪器及镜检均提示阴性, 判断为真阴性 (TN) ; (4) 仪器检测阴性而镜检阳性, 判断为假阴性 (FN) 。

2 结果

2.1 本组血标本白细胞分类结果

1464例血标本中, TP404例, FP250例, TN910例, 无FN。CELL-DYN3700对异常血细胞的检测特异度为76.4%, 灵敏度为100%, 阴性预示值为100%, 阳性预示值为61.8%, 假阴性为0.0%。

2.2 4种异常结果提示与仪器及镜检阳性符合率

1464例血标本中共出现可疑警号714个, 部分标本并同时出现两个及以上异常信号, 见表1。

注:*镜检阳性指检出相应的异常细胞

3 讨论

患者尤其是血液病患者在接受临床治疗过程中, 其细胞形态结构也会发生相应改变, 对仪器分析和染色镜检的结果所产生干扰不尽一致, 尤其对显微镜镜检识别细胞形态影响较大。另外, 镜检法还与血涂片上WBC是否均匀分布、涂片厚薄、染色效果有关系, 从而导致偏差。近年来的大量临床实验证明, 美国CELL-DYN3700血液分析仪可在较短时间内分析出大量计数的细胞, 大大超过染色镜检法的细胞数目, 并可重复分析。本研究中1464例受检者均为本院住院患者, 包括疾病初发期、治疗期及病情稳定期的各时段病患。本组病例统计结果显示, 出现白细胞可疑警号的标本的假阳性率是19.3%, 灵敏度是100%, 特异性为76.4%, 阴性预示值100%, 阳性预示值61.8%。从而增强了复检结果的针对性, 极大地提高了血常规检验工作的效率及准确率, 提高了临床检验质量。

该血液分析仪所设定的提示阈较低, 但对标本异常细胞的检测敏感性高。本次研究通过样品倍比稀释试验结果表明, CELL-DYN3700对异常淋巴细胞 (VAR LYM) 的最低检出量为0.09×109/L, 对不成熟粒细胞 (IG) /幼稚细胞 (Blast) 的最低检出量为0.08×109/L;对 (杆状嗜中性粒细胞) BAND的最低检出量为0.06×109/L。可见, CELL-DYN3700对异常细胞筛选的信度高, 假阴性低, 遗漏的可能性小, 具有重要的临床诊断价值。

需要指出的是, 现代医学对临床诊断提出了更高要求, 临床实验室血液分析要求更加精确与准确, 以提高临床诊断和治疗的科学性及有效性。但检测环境如温度、湿度、电压等因素的改变仍会造成检测分析结果误差。虽然本组病例统计显示假阴性为0%, 但在临床实际检验工作中, 当血液标本中异常细胞数量较少时, 由于对直方图或散射图像造成的改变较小, 亦会导致结果假阴性。故此, 目前任何一种血液分析仪及分析技术都还无法达到对每个细胞的100%识别, 假阳性仍不可避免[4,5]。临床上对血液病患者的诊断应综合仪器法与显微镜检法的结果做出判断, 避免发生漏诊。

参考文献

[1]周新.检验医学考核指南[M].武汉:湖北科学技术出版社, 2003:201-203.

[2]Jones RG, Faust AM, Matthews RA.Quality team approach in eva-lautig three automated, hematology analyzers with five-part diff-erentiai capability[J].Am J Clin Pathol, 2007, 115 (2) :159-166.

[3]丛玉隆, 王淑清.血液分析仪研究进展及临床应用[J].中华医学检验杂志, 2007, 30 (1) :50-51.

[4]丛玉隆.当代血液分析技术与临床[M].北京:人民卫生出版社, 2003:58.