统计抽样内部审计（精选8篇）
统计抽样内部审计 篇1
摘要：审计是企业财务活动的一种, 是对企业的各种经济资料进行审核的一种工作。有效的审计能够揭露违法行为, 维护市场的正常秩序, 具有非常重要的作用。本文主要对审计工作中的抽样方法作出介绍, 并对如何选择抽样方法做出了几点分析。
关键词：统计抽样方法,介绍,选择分析
一、审计抽样的分类
(一) 属性抽样
1、固定样本量抽样。
固定样本量抽样也被称为是固定样本规模抽样, 是应用的最为广泛的属性抽样。这种抽样方式根据表格或者公式来确定固定样本数量并进行审查, 然后用全部样本的审查结果来推断出总体结果, 这种抽样结果的表达方式一般是“多大比例”, 比如, “经抽样检查发现未经过正式签字而进行开支的支票占总数的8%—10%”。
2、停—走抽样。
停—走抽样是固定样本抽样的改进, 也被称为连续抽样或者行止抽样。停—走抽样是一种边抽样边判断的审查方式。采用固定样品抽样时, 如果选取的样品数量不够则容易出现总体偏差率较大的现象。停—走抽样是从预计总体的偏差率为零开始, 边抽样边评估, 然后得出审计结果。通常的状况下, 工作人员都是先抽取出一定量的样品审查, 审查的结果如果可以接受就停止并得出结论, 如果不能接受就增加样品量继续审查, 直到得出满意结果为止。
3、发现抽样。
发现抽样是在具有既定的可信赖度的程度下在假定误差以既定的误差率存在于总体的情况下, 至少要查出一个误差的抽样方法。这种抽样方式一般应用于发生概率极小的情况下, 多是被应用于查找舞弊现象。
(二) 变量抽样
1、比例估算法。
比例估算法是样本的审定值和账面值的比例作为总体的真实值和账面值比例的一种抽样方法。
2、单位平均数估算法。
单位平均数估算法将样本的单位平局数当做是总体单位平局数的一种抽样方法。这种算法适用于总体呈正态分布的情况。
3、差错估算法。
差错估算法的计算原理和单位平均数估算法相类似, 它主要计算的是样本的审定值和账面值的平均差错, 并将这个差错作为总体的真实值和账目值的平均差错。这种方法适用于各个项目之间的误差呈正态分布的情况。
4、分层抽样。
分层抽样法将整体以一定的规律或标志来分层若干层, 然后从各层中分别抽取一定的样本, 汇总后计算所需总体估计量的一种抽样方式。
(三) 货币单位抽样
货币单位抽样也就是原单位抽样。是指将总体中的一个货币单位作为抽样样本。它的原理是依据属性抽样中的“偏差率”概念。
二、审计抽样方法的选择分析
不同的抽样方法都有各自的特点, 在不同情况下使用的精确度也大不相同。所以, 在进行抽样的选择时就要考虑到抽样方法自身特点和总体的实际情况。一般情况下, 审计抽样方法的选择从以下几个方面进行:
(一) 根据审计目标选择
在进行审计方法的选择时, 重要的是考虑审计目标的情况。不同的审计工具审计目标和审计需求是所不同的, 所以我们在进行抽样的调查时就需要充分的考虑到这些需求, 然后再进行分析。针对不同的需求, 我们可以采用实质的测试来选择合适的抽样方法。
(二) 根据审计效果来选择抽样方法
选择抽样还可以根据审计的效果来进行。审计的效果指的是该种抽样方法所得出的结果与实际情况之间的相符程度。而影响到审计效果的因素主要是下面两方面:
1、总体项目特征的分布。
每一个总体项目的特征分布情况都不会相同。所以我们可以根据分布情况的差异性做出选择。举例来说, 如果总体项目的特征呈现出斜性的分布, 那么我们就可以采用分层抽样法。因为分层抽样法可以以特征来进行分层, 每一层的情况差异不大, 得到的结果精确度高。而如果项目的总体特性呈现正态的分布, 那使用差错估算法或者是单位平均数估算法精确度要比较高一些。
2、总体项目的差错程度。
总体项目的差错程度也是影响抽样法选择的一个重要因素。举例来说, 如果在总体项目中, 差错情况比较少, 那么我们此时使用单位平均数估算法和比例估算法, 效果要远远好于差错估算法。差错估算法主要是将样本的审定值和账面值的平均差错作为总体的真实值和账目值的平均差错的审计方法。但是在总体项目的差错程度很小的情况下, 能够进行差错估算的规模也很小, 这种情况下得出的结论就很不可靠。反过来说, 如果总体项目中的差错比较多的话, 采用差错估算法就会比采用其他方法要好的多, 因为在总体项目差错较多的情况下, 能够进行差错估算的样本规模也多, 采用了更多样本的审查结果自然是比较可靠。
(三) 根据审计效率进行选择
这里的审计效率指的是在对同一个总体项目进行审计时在达到同一审计目标的情况下, 抽取样本的规模。也就是说如果在同样的审计结论的精确度与可信赖度时, 哪一种抽样方法所使用的样本数量越少, 哪一种抽样方法就更有效。
(四) 根据审计成本进行选择
审计成本是在进行抽样选择时考虑的较多的因素。审计成本指的是在进行审计的过程中所付出的人力资源、物质资源和劳动力的总和。一般来说统计方法越复杂, 在审计过程中耗费的时间与物资就要高, 它的成本也就越大。审计成本并不是固定的, 尤其是现在, 计算机和各种的专业软件被应用到了审计工作中, 审计的成本已经大大下降了。
在进行抽样法的选择时, 要综合考虑以上的各种因素。抽样方法的选择关系到审计结果的精确度, 其重要性不言而喻。要选择好的抽样方法就要精通各种抽样方法的优点和适用情况, 并结合自己的实际经验, 然后考虑各方面的因素后才可以做出选择。
参考文献
[1]杨效娟 刘增泰 周建成 付丽娜.审计统计抽样方法的选择浅谈[J].管理观察, 2011 (35)
[2]王颖 蕾绪忠.小议审计统计抽样方法的选择[J].黑龙江科技信息, 2009 (12)
[3]杜树靖.浅议如何选择合适的审计统计抽样方法[J].商场现代化, 2007 (28)
浅谈现行贸易统计抽样调查 篇2
【关键词】现行贸易；统计；抽样调查；对策
限额以下贸易统计数据的取得一直是困扰贸易统计的一大难题。为提高限额以下样本单位数据质量，孝感市各级统计部门在地方政府的支持配合下，经过统计部门精心组织，广大调查人员的艰辛努力，取得了第一手调查数据资料，使抽样调查工作取得了阶段性成果。从前一阶段调查过程和数据处理结果来看，限额以下贸易抽样调查工作方案是科学可靠的，动作是成功的。当然，也存在一些不足和需要改进的地方。现根据孝感市抽样调查工作的实践和体会，提出两点认识。
一、客观认识限额以下和个体贸易调查工作中面临困难和存在的问题
（一）样本框老化，抽中样本的代表性不高
目前贸易专业抽样的样本框是以经济普查资料为编制的。2010年经济普查资料经过几年时间，企业及个体户无论从经济类型、经营品种，还是经营精矿等都发生了很大变化，为提高贸易专业抽样的样本框质量，孝感市要求各县、区在确保样本框时，用當年工商系统登记的贸易企业及个体户数据补充经济普查样本资料。但考虑到未领取工商营业执照的个体户较多，以孝感市经济普查年为例，当年全市个体工商户为15.03万户，其中无照个体户达到5.40万户，占35.9%；全部个体批发和零售业7.60万户，其中无照个体批发和零售业达到3.57万户，无证个体占到了47.0%，批发与零售业无证个体比重为2003年的普查提高了20个百分点。由于2010年经济普查样本框没有2009年已经关停的单位和个体户，抽取的样本有些已经不存在或发生了变化，在调查中只好将这些企业或个体户进行替换，由于贸易业总体单位变化快，变动趋势又握准，抽样的样本框搞准难度大，势必影响抽样调查推算结果的准确性。
（二）调查户配合差、数据质量难保证
随着市场经济的不断深入，利益主体的多元化，商贸个体私营企业日益壮大，已成为经济增长的新生力量。由于个体私营企业大多没有专兼职统计人员，收入支出没有规范健全的台帐，被抽中的调查户对调收件人配合程度较左，数据质量难保证。
主观上看：调查户在思想上存在戒备心理，一怕“露富”招惹是非；二怕“露底”，担心填报数据成为纳税、处罚的依据；三怕“露个人隐私”。客观上私营企业配合程度较低普遍存在瞒报现象。客观上分析：小型批零贸易企业、餐饮企业、个体经营户为了适应市场经济的发展，限时都有转换经营方面的可能，关、停、并、转现象时有发生，造成抽中的样本单位经营不稳定，搜集的数据可比性差，数据质量难保证。尽管现行的《抽样调查方案》要求对已关、停、并、转的样本同行业替换，但实际工作中要在同一调查区查找同行业、同规模、同变动趋势和幅度的样本很难。此外，经营大件商品行业的营业额月度起伏大，样本代表性较差，难以准确反映这类企业经营成果，造成抽样调查数据质量难以保证。
（三）调查成本增加、基层经营落实困难
尽管国家统计局、财政部对普查和大型调查经费的开支有明文规定，对各级统计系统的各项抽样经费的安排也有具体要求，但由于是“分级负担”，实际工作中基层经营落实较为困难。目前，全市各县区，特别是乡镇和村财力十分紧张，加之我国实行周期性普查制度以来，普查及抽样调查几乎就成了日常性工作，这项调查尚未结束，下项调查又已开始。一些基层领导对统计调查工作的重视程度有所下降，对调查经费安排不积极。
由于限额以下贸易抽样调查工作是一项全新的工作，不仅要花大量精力进行样本抽选、做调查户思想工作，而且要花相当的培训费、调查费、交通费等，尤其是对调查肩扛的记账补贴费不落实，从孝感市以往的各种抽样调查来看，少部分经济条件较好的地区对调查员的劳动给予了一定礼帽，但经济困难的乡镇（街道）对调查员的补贴只有心有余力而力不足。地方财政紧张，上级下拨的贸易抽样调查经费又是杯水车薪，从孝感市情况看，多数村（居）委会调查员是由村（居）委会干部担任，他们放弃休息时间进行调查，都是义务劳动。贸易抽样调查经费落实，拨付不及时，势必会影响贸易抽样调查工作的顺利进行。
二、建议和对策
（一）争取领导重视，强化政府行为
在我国现行统计管理体制下，党政领导重视、明确政府牵头尤其重要，是确保区域性贸易调查成功的关键。只有地方党政领导的真正重视和关心，调查工作所需的人、财、物才能从根本上得到保证，各种关系的协调才能落到实处；才能健全各种责任制，强化各级各部门的职能，确保上下一盘棋。在今后的贸易调查中，中央、省、市应加强对县（区）乡两级的经费补贴，并且要加大对专款专用的审查力度，以保证各级调查补贴真正做到专款专用。基层必须充分依靠乡镇（街道）政府和村（居委会，要充分发挥乡镇（街道）、村（居）委会熟悉情况的优势，用机制调动他们的积极性，确保调查工作的顺利进行。
（二）加强部门合作，完善贸易企业、个体户名录库
完善样本框是搞好统计方法制度改革的首要条件。一方面，充分利用统计部门优势，通过已有的基本单位普查资料，建立贸易企业和个体户名录库。同时，可以利用基本单位统计报表和其他专卖基本调查收集的企业资料，对企业、个体户名录库进行及时的维护和更新。另一方面，要加强与部门的合作力度，有效利用部门资料，随时掌控企业和个体户的变动情况，在动态维护中完善名录库。
（三）加强基础工作，完善抽本调查方法
要建立和规范基层样本企业和样本户的记录和统计台账，加强对各级贸易统计人员尤其是基层调查员的抽样调查业务培训，同时加大执法力度，实现依法统计。在抽样框的设计方面，还应考虑兼顾多级使用，满足地方的需要，提高基层统计部门的积极性。充分利用各级调查队，搞好抽样调查统计，选好抽样框，确保统计数据的可信度。
（四）加大对抽样调查数据的评估力度
统计抽样内部审计 篇3
审计抽样指的是在获取审计证据的时候, 从某类交易或者账户余额中选取低于100%的项目实施审计程序, 并且需要保证每个抽样单元都要有被选取的可能性。审计抽样包括统计抽样和非统计抽样, 统计抽样是指通过从总体中随机选取样本, 且其样本结果可以通过概率论与数理统计的理论进行评价和计量, 非统计抽样最典型的特征之一就是每个抽样单元被选取的概率不一致。非统计抽样确实能够节约审计流程的时间和资源, 提升审计的效率, 但是这很大程度上依赖于实施审计人员的经验和判断能力, 主观性非常强。统计抽样则不然, 这种抽样方法能够比较客观精确地计量审计风险, 控制风险, 从而提高审计工作的质量。在控制测试中, 如果控制的运行留下了轨迹的时候, 我们通常会考虑实施统计抽样的方法来进行控制测试。在对各类交易或账户余额及披露的细节测试, 乃至实质性分析程序等实质性程序中, 统计抽样也可能会被考虑。
一、统计抽样的理论基础
统计抽样的理论基础来自于概率论与数理统计。当我们面对大量同质性非常强的审计项目单元时, 各项目单元组成的数据可视为服从正态分布并且各个单元随机且独立。根据概率论中的大数定律, 我们可以通过随机抽取样本结果来估计和推断总体的特征。数理统计理论则补充和深化了概率论的理论, 它提供了收集数据和统计推断的具体方法。
在具体的实务中, 统计抽样的方法包括定性评价和定量评价。定性评价就是属性抽样, 这种方法通过对总体中某事件的发生率进行推断, 主要应用于控制测试中。定量评价就是变量抽样, 这种方法通过对总体金额进行推断, 主要用于细节测试中。
二、统计抽样审计的基本步骤
我们在进行统计抽样的时候, 一般分为三个步骤, 分别是样本设计阶段、样本选取阶段和样本评价阶段。
(一) 样本设计阶段
此阶段我们需要确定审计抽样的目标、确定好抽样总体的范围和构成总体的单元项目、准确地定义构成误差的条件, 并根据以上元素确定最佳的审计程序。
在控制测试中, 统计抽样的目标一般是为了能够获取公司的某项控制运行有效性的证据。我们在确定该测试的抽样总体和个体时, 应考虑总体的同质性、适当性和完整性, 其个体可能是一份文件资料、一个记录或者数据中的某一行。我们应该依据自身的专业性, 预估和选取能够显示被测试控制运行情况的最合适的内部控制特征, 并定义误差条件。控制测试的实施通常发生在期中, 我们可能有必要针对剩余期间获取足够充分的证据。
在细节测试中, 测试目标一般为获取某类交易或账户余额的金额的正确与否的证据。总体范围可能是某类交易或账户余额中的部分项目或者所有项目, 而抽样单元项目可能是实物项目或者货币单元。在实施细节测试时, 如果总体的变异性大, 通常需要根据总额对总体进行分层, 以使审计资源偏向于金额更大的项目中。我们需要提前确定哪些情况会构成错报, 以定义误差条件。
(二) 样本选取阶段
样本选取阶段主要是要确定选取样本的方法和样本的规模。
统计抽样选取样本的方法有很多, 常用的有随机数表法、系统抽样和分层抽样。 (1) 随机数表法指的是首先对总体范围的各个项目进行一对一的编号, 然后在计算机生成的随机数表中选择一个比较随机的起点和一个路线, 依次查找, 选中号码所对应的总体范围项目就是选取的样本项目单元。 (2) 系统抽样法指的是先确定选样间距和起点, 然后从总体中等距离地按顺序选取样本。 (3) 分层抽样法在前面两种方法的基础上改善了一步, 就是首先针对总体按照一定的标准划分若干子总体, 然后在子总体中采用前面两种方法进行抽样选取样本。
确定样本规模的影响因素有很多, 主要有以下几点: (1) 可接受的抽样风险。在控制测试中, 可以接受的抽样风险指的是可接受的信赖过度风险, 而在细节测试中, 可以接受的抽样风险指的是可接受的误受风险。可接受的抽样风险与样本规模的大小通常是反向变动的关系。 (2) 可容忍误差。在控制测试中, 可容忍的误差指的是可容忍偏差率, 在细节测试中, 可容忍的误差指的是可容忍错报。可容忍误差与样本规模的大小通常也是反向变动的关系。 (3) 预计总体误差。在控制测试中, 预计总体误差指的是预计的总体偏差率, 而在细节测试中, 预计总体误差指的是预计的总体错报。预计总体误差与样本规模的大小通常是同向变动的关系。 (4) 总体变异性。总体变异性指的是总体的某个特征在各个项目单元之间的差异程度, 一般在细节测试中才需要考虑。总体变异性与样本规模大小一般成同向变动的关系。 (5) 总体规模。样本规模几乎不会受到总体规模的影响, 除非总体范围很小的情况下。
(三) 样本评价阶段
此阶段主要是根据数理统计理论进行统计推断, 根据样本的误差来推断总体的误差, 进而形成最终的审计结论。在控制测试中, 应该根据抽取样本的误差率来推断总体偏差率, 然后将推断的总体偏差率与可容忍偏差率进行比较。如果总体偏差率加上抽样风险的和大于或者等于可容忍偏差率, 那么总体不能接受;如果总体偏差率加上抽样风险的和小于可容忍偏差率, 那么总体能被接受。在细节测试中, 应该根据抽取样本的错报推断总体的错报, 扣减被审计单位已经更正的错报后, 将调整之后的总体错报加上抽样风险, 然后与该类交易或者账户余额的可容忍错报比较。若调整之后的总体的错报与抽样风险的和大于或等于可容忍的错报, 那么不能接受;若调整之后的总体错报与抽样风险的和在可容忍的错报值域范围以下, 那么可以接受。
三、大数据时代下的统计抽样审计
大数据时代下, 云计算等计算机技术的出现为人类掌控数据提供了有力支持。虽然大数据的商业应用在互联网企业已经有所体现, 但是目前在国内依然处于初步阶段。我认为在未来相当长的一段时间内, 大数据的概念还没办法完全颠覆统计抽样的理论, 大数据的分析和统计抽样技术还并不会产生矛盾。金融控股集团在内部审计实务工作中, 仍然有必要从数据处理的效率和成本出发, 进行适当的统计抽样。
金融控股集团的风险管理工作比一般的金融机构更加复杂, 内部审计作为其风险管理工作中的必备环节, 统计抽样审计就显得尤为重要。因此, 我们需要在内部审计工作实务中, 结合大数据时代的背景, 利用计算机处理技术开发更合理、更有效率的抽样统计审计技术。
摘要：内部审计是金融控股集团风险管理的重要环节, 统计抽样作为内部审计实务中非常重要的一个技术, 无论是在有轨迹的控制测试中还是细节测试中都会频繁应用到。本文比较详细地介绍了统计抽样的理论基础以及在金融控股集团内部审计实务中如何开展统计抽样, 最后结合当前的社会热点探讨了大数据时代下统计抽样审计的方向。
关键词：金融控股集团,风险管理,内部控制,内部审计,统计抽样
参考文献
[1]陈希孺著.《概率论与数理统计》.中国科学技术大学出版社, 2009.
统计抽样调查方法在审计中的运用 篇4
一、变量抽样及抽样调查
(一) 审计抽样的概念
审计抽样是指注册会计师对某类交易或账户余额中低于百分之百的项目实施审计程序, 使所有抽样单元都有被选取的机会。在审计历史上, 先后出现过任意抽样、判断抽样和统计抽样, 由于任意抽样和判断抽样主观性较强, 逐渐被统计抽样所代替。变量抽样是审计人员用来估计总体金额的统计抽样, 适用于对企业存货、应收账款等的估计。变量抽样是用于实质性测试方面的统计抽样方法, 通过检查财务报表各项目数据的真实性和正确性, 来取得作出审计结论所需的直接证据。所以, 在估计财务报表项目数据的真实性和准确性时常用到变量抽样。
(二) 统计中的抽样调查
统计中的抽样调查是指按照随机原则, 从调查总体中抽取一部分单位进行观察, 并用这一部分单位的数值去推断总体数量特征的一种统计方法。统计中的抽样调查有四个特点:
一是其只调查总体中的一部分单位;二是用一部分单位的数据去推断总体的指标数值;三是抽选部分单位时一定要遵循随机原则;四是抽样调查中会产生抽样误差, 抽样误差无法避免, 但可以进行控制。
由于抽样调查遵循随机原则, 又能合理地控制抽样误差, 所以抽样调查的结果在某些情况下比全面调查的结果更为准确。抽样方法包括重复抽样和不重复抽样两种, 抽样的组织方式有简单随机抽样、等距抽样、整群抽样等。审计中的抽样审计就是运用了统计中的抽样调查原理。
(三) 抽样调查在审计变量抽样中的运用
在统计抽样中, 抽样调查是一种非全面调查, 其意义是通过样本指标来估计总体指标, 由于样本只是由统计总体中的少数单位构成, 因此样本指标数值与总体指标数值一定会存在差别, 这种差别就是误差。样本的误差有两种类型, 一种是登记性误差, 另一种是样本代表性误差, 登记误差是一种主观误差, 是可以避免的。样本代表性误差可分为系统性误差和抽样误差, 系统性误差是指由于样本的结构与总体结构不同而导致的误差, 是一种可以避免的主观误差。而抽样误差是指由于样本的随机性带来样本指标与总体指标的一种误差。抽样误差是一种非主观性误差, 是一种随机误差, 是不可避免的, 但其大小是可以控制的。影响抽样误差的大小主要受统计总体本身的变异程度、抽样单位数和抽样的方法及组织方式等因素影响。抽样平均误差是指全部可能的样本指标与总体指标的平均误差。根据该定义, 抽样平均误差的定义公式为, 是一个具有唯一性的指标。抽样平均误差定义式的转化公式为, 由于总体标准差不易计算, 因此可以用样本的标准差来代替总体的标准差, 用样本标准差计算的抽样平均误差成了一个随机变量, 这就是在实际工作中对抽样平均误差的变异处理。用μ来代表性质发生变异后的抽样平均误差, 在不重复抽样条件下, 抽样平均误差的公式为, 在用样本的指标来推断总体的指标时, 一般用区间估计的方法, 即根据样本指标和抽样平均误差来推断总体指标的一个可能的数值范围, 而且与区间估计的准确程度和把握程度联系在一起。总体平均数的估计区间为, 允许误差Δ的定义式为Δ=τ*μ, t为在一定概率度下的置信值, 也就是说, 允许误差的大小是由抽样平均误差和在一定概率度下置信值大小的影响。进一步, 在已知预先确定的概率度和精确度的前提下, 可以确定抽样的数量。在不重复抽样下, 样本的数量, 在这个公式中, t为置信值, Δ为允许误差, δ为样本的标准差, N为总体单位数。运用这一原理, 在进行存货、应收账款等账户余额的实质性测试时, 在注册会计师可接受的审计风险内, 合理确定审计抽样的数量, 进而根据抽样样本的平均值来估计总体的平均值。
二、变量抽样在审计实务中的运用步骤
(一) 确定审计的总体范围
一定要注意审计总体的同质性。
(二) 拟定审计所需的精确度和可靠程度
这里的精确度就是公式中的允许误差Δ, 可靠程度就是保证总体平均值在样本平均值精确度范围内的程度, 也就是审计人员作出审计结论时所能接受的审计风险。如审计人员能接受的审计风险是5%, 那么审计结果的可靠程度就是95%。
(三) 估计δ
由于总体标准差无法准确预计, 一般用样本的标准差代替总体的标准差。
(四) 根据要求的可靠程度确定标准正态离差系数
即上文提到的置信值t。如果审计结果的可靠程度是95%, 那么置信值就是1.96。
(五) 计算所需样本容量
不重复抽样下, 样本的数量
(六) 选取样本
可以采用随机数表法、分层抽样法、系统抽样法、整群抽样法等来抽取样本。
(七) 审查样本项目
计算确定样本的实际平均数, 并以样本的平均数估计总体的平均数。
(八) 作出审计结论
根据上述审计实质性测试, 得出审计结
[例]甲材料10000件, 其账面价值总额为400000元。审计人员决定对甲材料进行抽查, 并以95%的可靠程度来估计总体的价值, 所设定的精确度为+20000元。审查前, 选取30件甲材料作为估计总体标准离差的初始样本, 假设初始样本的标准离差为8。
在这个例子中, 根据设定的精确度和可靠程度可计算出样本量件, 其中N=10000, t=1.96, δ=8, Δ=20000/10000=2。确定样本数量后, 再对样本数量进行详细审查, 审定样本的平均值为39元, 因此, 可推断总体平均值的估计值为39+2元, 总体10000件甲材料的估计金额为390000+20000元。于是, 可以得出结论, 有95%的把握保证40000件甲材料的真实金额在410000元到380000元之间。
此外, 还可以用差额估计来得出审计结论。差额估计就是用样本的平均错误额来推断总体错误额或正确额的方法。如审计人员要验证企业应收账款, 该应收账款有5000个明细账, 总金额为550000元。假设被审计单位销售与收款内部控制风险评价为低, 为了减少审计成本和提高审计效率, 审计人员采用抽样审查。首先确定审查的总体是5000个明细账, 假定审计人员可接受的风险水平是5%, 也就是说可靠程度是95%, 精确度是19500元, 抽取30个样本后确定标准差为20元, 在这些条件下, 可计算出个, 也就是说应在5000个明细账里抽查99个明细账。通过对99个明细账的抽查, 发现99个明细账平均差错额为1.24, 则总体的错误额为5000×1.24=6200, 允许误差Δ=τ*μ=5000*1.96, 抽样平均误差, 所以总体的错误额为6200+11618.47, 可以得出结论, 审计人员有95%的把握相信应收账款的错误额在6200+11618.47范围内。
三、审计变量抽样过程中应注意的问题
(一) 注意抽样时运用的前提条件
一是被抽查的总体必须是特定的同质总体, 如在进行应收账款审计时, 不能包括应收账户余额为负的账户, 应收余额为负的账户应在预收账款里反映。另一个是要按照随机的原则, 保证审计总体中每个项目被选中的机会是均等的。
(二) 注意剔除重要项目
在审计时, 一定要遵循重要性原则, 对重要的项目, 包括金额和性质重要的一定要重点审查或100%审查, 以便降低审计风险, 保证审计质量。
(三) 在审计抽样中, 存在着许多不确定的因素
在抽样过程中抽哪些, 抽多少, 在确定审计重要性的基础上, 要结合审计人员的经验判断, 把二者结合起来, 方能取得更好的效果。
(四) 在进行抽样时, 还要注意抽样风险对审计结果的影响与
与抽样相关的因素造成的不确定性称为抽样风险。在进行变量抽样时, 应关注信赖不足风险和信赖过度风险。所以, 对抽样结果注册会计师还应结合在审计过程中获得的其他相关审计证据综合得出结论。
参考文献
[1]秦荣生、卢春泉:《审计学》, 中国人民大学出版社2008年版。[1]秦荣生、卢春泉:《审计学》, 中国人民大学出版社2008年版。
统计抽样内部审计 篇5
一、统计抽样在公路工程审计中的重要作用
公路工程由于其建设的离散性大，建设过程控制环节纷繁复杂，因而对审计过程中代表性样品的筛选必须科学有效，能反映工程建设重点环节的整体水平。而统计抽样技术恰恰能够很好地满足这种专业性审计要求，因而在公路工程建设的过程审计中得以广泛应用。其重要性主要体现在以下几个方面：
1. 能够科学确定公路工程抽样规模。
对公路工程某一建设环节来说，其发生的事件样本总量可能会有成百上千件，而要对这些事件进行逐项审计显然是难以实现的，而采取统计抽样技术进行取样数理分析，就可以合理确定出能科学表征事件样本总体的抽样规模，达到精简抽样工作量、提高抽样保证率系数的显著功效。如公路路面工程的造价审计（以路面厚度控制）、路面质量水平审计（以路面弯沉水平控制）等内容均可通过科学的抽样规则将抽样规模确定在科学合理的范围内，使审计规模科学有效。
2. 具有客观性和可验证性。
在公路工程审计中通过采用统计抽样方法进行专项审计，使抽取的样本更具客观性，能够较好地表征样本的整体水平和实际状况，审计结果对公路工程管理评价工作有科学的指导作用和监督作用。同时按照统计抽样规则取得的统计抽样证据，由于其具有与工程实际高度的吻合性，因而据此得出的审计结论往往可以追溯验证，以实际的建设管理效能水平结果实现对审计结论的验证作用，确保公路工程审计工作的科学性和准确性。
3. 对已获证据具有可衡量性和可评价性。
统计抽样所取得的审计证据是为了对所审计的公路工程事件作出客观公正的性质评价和数值认定，因而其采集的统计数据必须具有可衡量性和可评价性，以利于审计人员据此对事件作出科学准确的定性定量评价结论。如公路工程中抽取的工程质量数值（厚度、弯沉值等）、投资数值（分部分项工程投资额度、人材机花费等）均可定量评价出工程概预算偏离程度及符合度，进而得出其造价控制的合理性水平。在抽取的公路基建程序文件资料审查当中，则可由资料的完备程度及事件记录痕迹定性评价出公路工程建设的合规性及舞弊严重程度，为监督执纪提供很好的事实依据。
二、统计抽样的类型及取样规则
统计抽样审计按了解对象的特征不同（对不同方法的选择应根据对公路工程测试的目标不同而确定）分为属性抽样、变量抽样和货币单位抽样三种类型。
1. 属性抽样含义及其取样规则。
属性抽样是指在精确度和可靠程度一定的情况下，为了测定总体的某种属性发生频率而采用的抽样方法，主要用于公路工程内部控制制度的符合性测试。如工程拨款是否经授权、工程账款是否过期、变更事项是否合理、有无舞弊行为等。内部审计师据以评估总体情况的基础是差错发生率。按抽样方式不同，属性抽样又分为固定样本量抽样、发现抽样、连续抽样等。
一般地，属性抽样下抽取的样本量计算公式为：
式中：n为样本量；Ur为可靠程度系数（一个正态标准差常被称为可靠程度系数）；A为要求的精确度；P为预期总体差错率（等于偏差数/样本量）。
2. 变量抽样含义取样规则。
变量抽样指在精确度和可靠程度一定的情况下，为了测定总体的某种属性数值的大小或数值错误额的大小而采用的抽样方法。主要用于公路工程建设中发生的具体细目的实质性抽样测试，目的是获取总体货币金额的证据。如估计公路工程项目总体的工程量（长度、宽度、厚度）、工期跨度，核查各分部分项工程其中支付账项及账户余额等，从而判断账户是否存在重大错报，由样本的差错额据以推断总体的差错额。按抽样方式不同，变量抽样分为单位平均值估计抽样、比率估计抽样、差额估计抽样等方法。
变量抽样一般都呈标准的正态分布，样本量的计算公式分为两种情况：
(1）放回抽样情况下：
式中：n为样本量；Ur为可靠程度系数（一个正态标准差常被称为可靠程度系数）；Sxj=总体估计的标准离差=[∑（Xi-X均）2/N]1/2;N为总体量；A为要求的精确度（总体的精确度或可容忍的总体最大误差）；a为要求的精确度（抽样单位或个体的精确度）。
(2）非放回抽样情况下：
3. 货币单位抽样含义及取样规则。
货币单位抽样是指每一货币单位作为抽样单位的一种统计抽样方法。它把属性抽样与变量抽样综合在一起，可以同时考虑总体的发生率和金额变异系数，适用于估计一定总体发生率下的最大金额差异数。通常货币单位抽样又被称为属性和变量联合抽样（CAV）、累进货币金额抽样（CMA）、按概率比例大小抽样（PPS）、与大小成比例抽样（SPS）。
三、统计抽样审计法的实施程序
公路工程在运用统计抽样法进行审计监督过程中，严格遵循科学的审计程序进行，以保证审计结论的客观、公正、准确和科学，减少审计错断的风险，在有限成本下合理实现审计目标。其实施程序如右上图所示。
实施中内审人员会根据样本误差，采用适当的方法对审计总体误差进行推断，并根据抽样结果评价，确定审计证据是否足以证实某一审计总体特征。如果推断的总体误差超过可容忍误差，则可通过增加样本量来提高可靠程度，降低抽样风险。
四、统计抽样法在公路工程审计中的实际运用
2014年笔者在对蓟县盘山大道路面工程造价的审计过程中，按照审计合同目标对路面厚度水平与设计要求的吻合度进行审计核算。该路面设计为7cm厚AC-25粗粒式沥青砼下面层+4cm厚AC-13细粒式沥青砼上面层，按照《交通运输部内部审计实施细则》及《公路工程交竣工验收规范》的规定，以路面钻芯机每1 000米每路幅钻取芯样1个的标准，对5.569km下面层钻取12个芯样，实测数据如表1所示：
根据以上数据，采用数理统计方法分析如下：
公路工程厚度服从概率分布中的t分布规律，其分位点a通常取值为0.025。
在n=12,a=0.025的分布条件下，查t(n）分布表可知：
确定抽样厚度的统计代表值：
厚度代表值与厚度设计值的偏差=5.4-7.0=-1.6(cm)
按照《公路工程概算定额》、《公路工程预算定额》的计价调整规定及盘山大道合同文件要求，盘山大道AC-25粗粒式砼面层预算费用为1 089万元，路面实际厚度代表值达到设计厚度要求的比率=5.4/7×100%=77.14%，核准费用=77.14%×1 089=840.05（万元），核减费用=1 089-840.05=248.95（万元），核减率=1-77.14%=22.86%。
同时审计结论指出，为达到路面设计质量标准的要求，建议将下面层不足的1.6cm厚度在上面层铺筑过程中予以补足，使沥青砼面层总厚度满足偏差不大于8mm的质量标准要求，即上面层铺筑厚度代表值应满足的范围在[4.8cm,6.4cm]区间内，方可验收通过，予以竣工结算。
根据设计标准，盘山大道日平均流量3 000辆、运营年限20年、基准收益率10%。通过考虑盘山大道建设投资和维修保养投资的时间价值，对审计建议的合理性和科学性分析如下：
由于沥青砼结构层设计厚度与实际厚度误差产生的使用价值差别要素如表2所示：
原设计造价情况下的寿命周期成本=1 089+0.4×20×[（1+10%)20）]/[10%×（1+10%)20]=1 157.11（万元）
原设计方案下运输时间节约费用=365×3 000×1.0÷10 000×[（1+10%)20-1）]/[10%×（1+10%)20]=932.24（万元）
则：原设计方案下的效益成本=1 157.11-932.24=224.87（万元）
而实际施工厚度情况下的寿命周期成本=840.05+0.6×20×[（1+10%)20-1）]/[10%×（1+10%)20]=942.21（万元）
则：实际施工厚度产生的效益成本=942.21-372.90=569.31（万元）
通过比较可见，由于厚度不足，效益成本较设计效益成本提高额=569.31-224.87=344.44（万元）。
故审计建议要求其恢复设计结构厚度标准，无形中产生社会效益值344.44万元，实现了增值344.44万元的效益水平。
采用统计抽样方法取样实测分析，使盘山大道合同造价结算更为合理准确，与发生的实际费用相吻合，杜绝了国家资金超额拨付现象的发生，避免了国有资产的流失和不当拨付，产生资产保值效益达344.44万元，实现了审计增效的预期目标。
五、统计抽样审计成效
在公路工程建设管理中通过采用统计抽样技术进行审计监督，使审计资源分配更趋合理、审计样本筛选更具代表性和科学性，提高了审计结论的科学公正性和客观性，审计效能大幅提高，产生了较好的审计效益。
以2014年对蓟县范围内公路工程项目审计的结果看，其审计效能如表3所示：
由表中数据可以看出，统计抽样审计降低了审计成本，将审计能效大幅提高，被审计单位对审计结论的认同度和信任度显著增高，全年挽回管理缺陷损失计558万元，节约审计成本35万元，收到了可观的审计效益。
六、结论
统计抽样审计技术在公路工程建设管理中的主流作用日益增强，其推广应用领域也得以不断拓展和延伸，技术先进性将在未来不断的实践摸索和理论创新中得以优化和提高。
参考文献
朱剑飞,侯春梅,统计抽样在基层人民银行内审工作中的应用研究[J].金融发展研究,2011(11).
王大春.统计抽样审计原理分析及在企业内审中的应用研究[J].财经纵横,2012(7).
胡亚敏.统计抽样调查方法在审计中的应用[J].审计观察,2009(9).
王锐.公路桥梁项目工程造价审计的方法及要点[J].审计月刊,2014(12).
中国内部审计协会.内部审计理论与实务[M].北京:中国石化出版社,2004.
市场调研中的统计抽样法 篇6
抽样调查可以分为两类, 即概率抽样和非概率抽样。概率抽样是按照随机原则进行抽样, 不加主观因素, 组成总体的每个单位都有被抽中的概率, 可以避免样本出现偏差, 样本对总体有很强的代表性。非概率抽样是按主观意向进行的非随机性抽样, 组成总体的很大部分元素没有被抽中的机会, 调查容易出现倾向性偏差。抽样调查发生的误差, 可以通过统计的方法加以计算和控制。
(一) 统计抽样程序
抽样调查又称抽样推断, 是一种重要的、科学的非全面调查方法, 其程序是:确定总体→建立抽样框→确定样本数目→确定抽样方法→抽选样本。
1.总体一般称为全域, 就是具有某些特征的各要素之总数。由于它是产生样本的基础, 又称为母体。在具体操作中, 必须分清目标总体和作业总体。目标总体是所需调查研究的全体单位的集合, 是抽样推断的目标, 各项推论信息的主体。作业总体是按某一标志排列的全体单位组合, 并以一定形式可供从中抽样的单位。在调查中, 母体的特征具有确定性, 是研究对象的集合体。例如调查一个城市的家禽销售情况, 全市各市场的家禽就是调查研究之母群体。
2.建立抽样框就是在母体中划定一个抽样范围, 确定作业总体。调查研究抽取的样本必须在这个抽样框里。正确合理地确定作业总体, 建立抽样框架, 是市场抽样调查研究的重要前提条件。抽样框的建立必须具有代表性、有效性和经济性。代表性就是要能表明作业总体与目标总体的关系, 能找到一定的对应形式。有效性就是要求在抽样框架中尽可能地包括用于估计目标总体的单位, 并能在抽样框架单位中获得估计总体的信息。经济性就是选编的抽样框既要有利于实施抽样调查, 又可节省各项费用开支。
抽样框有三种具体形式, 一是名单抽样框, 它以名单一览表形式列出总体的所有单位。二是区域抽样框, 它按自然地理区域排列出总体的所有单位。三是时间表抽样框, 它按时间先后顺序排列出总体单位的所有单位。
如果按形态分, 抽样框有三种, 具体的抽样框是每一个抽样单位名字皆列成表册, 可以直接按表册名字抽取样本。抽象的抽样框是没有抽样单位之名册, 只要符合调查之条件就有被抽样之可能。阶段式抽样框是在采用分段抽样中, 依抽样阶段之不同, 产生不同之抽样框。
3.样本是从抽样框中抽取来出的抽样单位总和, 它作为总体的缩影并代表目标总体。确定样本数目主要从母体特征、调查的精确度等方面因素进行考虑。样本特征必须尽可能反映总体特征, 母体特征越不突出、调查精度越高, 就需要增加样品的数量。
在抽样调查前, 我们需要运用概率论原理和数理统计知识, 科学地确定样本的最佳数量。所谓样本的最佳数量, 就是选择的样本既不能过多, 也不能过少, 既缩小抽样规模, 节省人力、财力和时间, 又能满足调查精度的要求。
4.抽样方法的选择。当抽样调查可用资源多, 母体数量大, 抽查要求精度高, 需用其他方法对抽样所获的数据进行精度评估的情况, 一般选用随机抽样, 否则就可考虑非随机抽样。
5.样品的抽取。市场调查的样本按照一定的比例从作业总体中抽取。
(二) 抽样方法
市场调查一般采用随机抽样方法。随机抽样又称等概率抽样, 即在抽样时, 作业总体中每一个抽样单位被选为样本的机率相同。随机抽样建立在统计理论基础上, 是一种客观而科学的抽样方法, 能够保证样本对总体的代表性, 其原理就在于它能够很好的按总体内在结构中所蕴含的各种随机事件的概率来构成样本, 使样本成为总体的缩影。在实际工作中, 按照等概率的原则, 直接从含有N个元素的总体中抽取n个元素组成的样本 (N>n) 。由于选样的随机性, 减少了人为的因素, 抽样结果比较客观真实。
随机抽样调查的主要方法有:简单随机抽样、系统随机抽样、整群抽样和分层抽样。
1. 简单随机抽样也称纯随机抽样。
是指从作业总体N个单位中任意抽取n个单位作为样本, 这是对全体调查对象的任何一部分不作任何有目的的选择, 用纯粹偶然的方法, 去抽取个体。使全部可能的Cn N种不同的结果, 每种被抽取的概率都等于1/Cn N。作业总体中全部个体, 每一个体被抽出之机率均为己知且相等。简单随机抽样包括:抽签法、随机数法、计算机模拟法、使用统计软件直接抽取等方法。
简单抽样法适用于样本差异不大的情况。其优点是在母群体名册完整时, 直接由母群体中随机抽出样本, 方法简单。但由于抽出机率均等, 较易出现估计母群体总值误差及抽样误差。
简单随机抽样是其它各种随机抽样方法的基础。
2. 系统抽样法也称等距抽样法。
就是把总体的单位进行排序, 再计算出抽样距离, 然后按照这一固定的抽样距离抽取样本。在总体规模很大时, 简单随机抽样的抽签或查随机数表工作量都很大, 我们可以将母群体之每单位加以编号, 先计算样本区隔, 在1~N/n间随机选出一个号码作为第一个样本单位, 在不失等概率原则的前提下, 按照固定距循序抽出样本。系统抽样法的应用条件是总体中个体的排列对于研究的变量来说是随机的, 不存在某种与研究变量相关的规则分布。其优点是, 能大大简化抽样工作。缺点是有可能发生抽样误差。
此方法的关键是通过总体的数量除以样本数量来确定抽样间隔。
3. 整群抽样法。
这是首先将总体中各单位归并成若干互不重复、互不交叉的群集, 按群集建立抽样框, 再以群集为抽样单位进行简单随机抽取样本的一种抽样方式。这里所指的群, 是多个样本的整体, 而不是单个样本。整群抽样是用子群体代表总体, 再通过子群体内部样本的分布来反映总体样本的分布。因此, 群是抽样单位, 从群集中选择样本, 一群为单位, 不以个别为单位。整群抽样要求各子群体之间的差异较小, 而子群体内部的差异性较大。其优点是由于整群抽样是从总体中成群成组地抽取调查单位, 而不是一个一个地抽取调查样本, 大大减少抽样工作量。缺点是在调查单位在总体中的分布不均匀时, 精确度和代表性相对较差要差些。
4. 分层抽样又称分类抽样。
它先将作业总体按某种分类标准分为若干组或若干类, 此组类称为层, 然后将母群体之各个体分别编入相应的层中, 再在各层中以简单抽样或系统抽样法选取适量样本之方法。因此分层选样是从层中选择样本, 而不是直接从总体中选择样本。一般来说, 分层有质量标准和数量标准两种可供选择。无论选择哪种标准分层, 选样的数目都按各层所含单位数占总体单位数的比重进行分配。特殊情况下, 选样数目可按各层重要性进行分配。
分层抽样关键在于分层标志的选择及层次的划分。分层的标志应当是与抽样调查研究的目标有密切关系, 或者是一些决定着调查指标值变化的主要条件。例如, 调查顾客收入水平时可按职业、年龄、学历等作为分层的依据。分层划分得细, 有助于缩小层内差别, 降低抽样误差, 但分层多了就会增加样本单位数, 增加调查工作量。可见, 分层这项工作有赖抽样设计者的经验及判断。分层抽样优点是当层间差异愈大, 层内差异愈小时, 抽出样本统计精确度愈高。缺点是具体操作上要比简单随机抽样复杂一些, 样本资料的整理推算较简单抽样法复杂, 工作量大。
在许多实际的市场调查中, 只用一种抽样方法往往无法完成调查任务, 经常需要多次利用不同的方法混合抽样。比如, 城市居民的收支调查, 就需要将系统随机抽样、整群抽样和分层抽样多个方法、多个步骤结合起来使用。
(三) 市场调查资料的整理、统计与分析
抽样调查收集到的信息, 只有通过整理汇总成能客观准确地反映市场现状的资料和数据, 市场营销人员才可能据此制定有效的与市场实际相符的营销战略或策略。市场信息有两个特点, 一是市场信息是一种连续的信息, 时效性要求强。二是抽样收集到的信息很多情况下无序程度较高, 它必须经过加工后才能化无序为有序, 成为有用的资料。因此要及时对调研素材进行加工处理。资料整理、统计和分析的一般过程:逻辑处理→数学处理→系统研究→编写图表文字。
1. 逻辑处理。
市场调研人员必须利用自身的学识和能力, 独立思考, 根据可靠性、适用性和时间性原则对调研素材进行鉴别、分类、编码、录入和筛选。分析与确认信息的基础资料需要考虑的因素有人口因素、经济因素和竞争因素。
2. 数学处理。
市场调研员在有效分析各种资料后通过数字运算、统计分析、建模与解模, 获取各种有价值的抽样数据。
3. 系统研究。
用统计分析方法对数学处理过的资料和取得的数据进行系统的研究分析, 从中归纳出市场运行的规律。统计分析方法有计数、加总、回归分析、因素分析、判别分析、多维分析法、组合分析法等等。
4. 编写图表和文字。
通过系统研究后, 制作出供营业员销人员使用的统计汇总表、统计图、统计表格、线图、直方图或条形图、面积图、圆形图等图表和文字调查分析报告。
虽然统计抽样法是最为科学的一种抽查法, 能够有效地提高市场调的效率和质量, 但它对调查人员有较高要求。在实际工作中, 要确定哪种抽样方法最为适宜并不容易, 这需要市场调查人员对每一种可供选择的统计抽样方法都要有所了解, 掌握它们各自的优点和运用条件, 结合市场调查的实际情况, 正确的选择抽样方法, 在满足调查精确度情况下, 力求抽样规模最小, 高效、低成本地完成市场调查工作。
参考文献
[1]刘学锋.市场统计与决策[N].市场导报, 2003-12-16 (3) .
[2]张立法.统计在产品质量控制中的应用[M].广东:广东科学技术出版社, 2005.
统计抽样内部审计 篇7
随着社会主义市场经济的发展, 信息已经成为人们工作和生活不可或缺的资源, 我们可以随时从电视、网络、报纸上获取各种各样的资料 (信息) , 而且在我们每天的工作和生活中, 我们也会不自觉的给市场提供个人的信息数据, 如我们的工作单位随时掌握我们的个人资料, 我们去商场购物申请会员卡会留下我们的地址和联系电话等信息, 我们的银行帐户有我们的理财信息等等, 对于市场经济体制下的企业来说, 信息的收集和分析对企业的生存和发展尤为重要, 企业不但要了解同行的信息, 还要随时了解市场的变化情况, 而统计调查作为一种工具, 是根据统计研究预定的目的和任务, 运用科学的调查方法, 有计划、有组织地向客观实际搜集资料的过程, 对获取信息有重要作用。
在我国, 市场经济的全面放开, 使得市场的总体日愈复杂多变, 体制结构多样化, 加上我国流动人口规模庞大, 进行全面的总体的调查需要花费很大的人力和物力, 在这种情况下, 抽样调查作为非全面调查的一个重要方法被得到广泛使用。统计调查特别是抽样问卷调查在各行各业越来越流行。问卷调查是目前市场调查所采用的一种常用方法, 由于它具有简明、通俗、真实、保密性好、及时等特点, 已被越来越多的受到重用。一个抽样问卷调查概括来说, 大致有以下流程:制定方案→设计问卷→确定抽样方法→实地调查取证→整理资料→分析结果。每个环节都是相互贯通和相互影响的。这里本人就抽样问卷调查的某些环节谈一谈自己的看法。
二、统计调查中应注意的一些问题
1. 问卷要有针对性, 跟主题相吻合, 调查之前作好充分的准备。
首先问卷的设计是调查成功与否的关键, 如果问卷设计不当, 会使所获得的资料失真或产生大的偏差, 无法为后面的分析提供可靠的保障。我们设计问卷时先要有个目的, 确定好调查对象和调查内容, 这就是为什么要求我们在调查之前要先制定好统计调查方案, 调查方案的作用就是确定调查对象、调查目的、调查方法和调查的实施过程, 为后面的实地调查提供理论指导。其次针对不同的群体, 问卷设计语言措辞要得当。设计的问题要考虑被访者的文化教育水平和年龄层次, 也要考虑不同的地区不同的民族的特点, 避免产生误会。语言上针对不同的调查对象也要区别处理, 如要调查低学历者的生活状况, 我们尽量用简单易懂的生活语言, 以保证得到较准确和较满意的资料, 如果设计的语言过于文学化和专业化, 调查过程中就要花费大量的时间解释或有时被访者失去耐心含糊回答。而调查一些专业性很强的企业或个人时, 我们则要充分搜集该企业或该专业的专业知识, 尽量使用专业术语, 力求得到专业的回答。最后应该避免在问卷内容上有被调查者难以回答或者需要长久思考的问题。
2. 调查时我们要尽量调动被调查者的兴趣, 正确处理好调查者和被调查者的关系, 打消被调查者的顾虑。
调查之前先说明来意和调查的用途, 同时调查者与被调查者之间不能有利益关系或上下级关系, 避免被访者受这种关系的影响。以前我国存在很多自我调查的情况, 上级调查下级或管理部门调查被管理部门, 而且匿名措施处理的不好, 被调查者有顾虑, 使得数据存在不真实的现象。现在越来越多的调查都是委托与调查双方和调查结果没利害关系的第三方机构来进行。目前在我国, 专业的调查机构得到快速的发展, 但是在规模上体制建设上还远不及西方国家, 从国家统计局的数据可知, 2003年我国社会调查业的法人单位数为4210个, 占信息服务业的2.1%, 而且资产规模较小, 资产规模在50万元以下的单位中, 社会调查业占本行业的96.7%, 1亿资产以上的只占0.1%, 不存在5亿元以上资产的单位, 在地区分布上, 社会调查业4210个法人单位中, 最多的为北京629个, 占总数的14.9%, 其次为湖北237个, 仅占总数的5.6%, 依次为广东227个、黑龙江226个。数目最少的为西藏5个、宁夏9个、青海22个、海南29个, 四省市合计只占到总数的1.5%。在经营收入上, 1亿元以上的单位社会调查业只有2个, 在信息服务业一亿元收入以上的单位中只占0.2%。社会调查业的发展与社会调查的需求不相适应, 很多企业只好自己搞市场调查, 既花费较大的人力财力, 又不一定能收到好的效果。很多企业为了搞市场调查会有相应的促销活动, 有些消费者为了能获得优惠的促销产品也会提供虚假的信息。
3. 涉及到个人隐私的问题最好是一对一的面谈, 避免受旁人干扰, 对敏感性问题的调查要制定不同的调查方法。
调查隐私问题或敏感性问题往往会遇到很大的阻碍, 很多时候会出现被访者拒绝回答或不提供真实资料的情况, 在抽样理论和方法研究中专门有针对敏感性问题调查的随机化回答技术, 有沃纳和西蒙斯的随机化回答模型。随机化的技巧是尽量让被调查者感到有安全感, 保护被调查者的隐私和秘密, 有时甚至调查员也不知道被调查者所回答的是那个问题, 避免双方的尴尬。我们在进行这样的调查时, 应严格按照科学的方法进行, 并严格遵守职业操守和职业道德, 遵守双方的承诺, 被调查者才会在毫无顾虑的情况下提供真实的答案。
4. 加强调查人员的业务素质培养和发挥好新的调查技术。
实地调查取证阶段, 就是在理论的基础上我们具体去实践求得数据。调查过程中第一个要注意的是对调查人员的培训, 有一批专业的和训练有素的调查人员能够达到事半功倍的效果。一般的市场调查机构都有专业从事调查的人员, 也存在一些临时雇用人员来做市场调查的情况。在与被访者面对面的交流中, 调查员的言谈举止、职业态度、专业水平也会影响到调查的成效。目前随着网络技术的快速发展和普及, 网络调查也越来越受到企业和相关机构的青睐, 统计调查打破了传统的一对一对话模式, 将目标转向越来越庞大的网民。2003年, 我国的网民数已接近8000万, 成为继美国之后的第二大网民国, 而各种各样的网上问卷调查也应运而生。网络调查的好处是快速、方便、经济、高效, 网络调查可大大减少调查人员的数目, 节省成本, 而且可以直接连接计算机软件快速的分析出结果。但是由于网络是个虚拟的世界, 被访者是个不受控制的人群, 总会产生很多问题。首先抽样框的设计是个难题, 网民的多变性使得样本的确定比较困难;其次很难识别网民的身份和确定他们身份的真实性, 很多网络用户都存在拥有多个e—mail和多个会员身份的情况, 有些用户就可能没有固定的IP地址, 或一个IP地址多人使用的情况, 如网吧的计算机、使用代理服务器上网的机构和许多办公用的电脑都存在这样的现象, 所以虽然现在很多网站采用cookic技术和IP地址识别法, 也难以避免遗漏样本或一个用户重复投票的情况;再次在网络调查中, 一般的用户都不愿意输入身份证或电话号码等个人资料, 如果强制要求输入, 则可能出现用户不合作退出调查或提供假个人资料的情况, 致使无回答误差比较大。所以对于国家和政府比较政策性的项目的调查还是以实地调查为主要形式, 对企业的产品或某项服务的满意度、产品的销售情况、对某个新闻的看法等类似的调查, 很多就采取网络调查的形式。目前在西方国家, 由于电话的普及, 电话抽样调查也得到越来越多的应用, 如美国各式各样的民意调查, 大都采用电话调查的形式。电话调查的条件一般是要求问题要少而简短, 抽样框是所有登记在册的电话用户。在我国, 人们统计调查的意识还没得到普及, 很多人视电话采访为骚扰行为或持怀疑态度而不愿接受问卷调查, 所以电话调查在我国还很少被采用。随着人们对调查的认识和科学的发展, 越来越多的新技术将会应用到统计调查中。
5. 充分利用调查所得资料, 为政府、市场、企业和广大民众提供真实和科学的分析报告。
抽样调查的目的是通过从总体中抽取样本进行调查和观察以对总体的一些参数做出统计推断。现在在管理信息系统中有个专业的术语叫“数据挖掘”, 有些时候存在数据得来后被荒废的现象, 所以如何对获取的资料 (数据) 进行挖掘和分析成为能不能把调查结果用到实践的关键。我们进行市场调查目的就是要“从实践中来, 到实践中去”, 统计分析的好坏关系到调查的圆满性和调查结果如何对市场发挥指导或参考作用。所以在得来的样本资料中挖掘有用信息找出事件的本质和规律性是我们统计分析的任务。
三、总结
在社会主义市场经济的条件下, 我国的统计调查体系是建立以必要的周期性普查为基础, 经常性的抽样调查为主体, 同时辅之以重点调查、科学推算和少量的全面报表综合运用的统计调查体系。如何发挥每个环节的作用及如何改革和完善统计调查方法使之更适应市场经济的发展需要也是统计工作者在不断探索的问题。总之, 我们要大力推广和普及统计调查知识, 加大统计调查的宣传力度, 提高全民的调查意识和责任感。不断加强统计调查的现代化建设和法制建设。才能使我们的统计调查更好的为社会主义市场经济服务。
摘要：社会主义市场经济的发展, 使得统计调查特别是抽样问卷调查得到越来越普遍的发展, 在抽样调查的流程中, 每一个环节都是紧密联系在一起的, 都需要用科学和严谨的态度对待, 本文就关于抽样问卷调查的环节谈一下个人的看法, 探讨一下统计调查中应注意的问题。
关键词：抽样调查,问卷设计,调查业发展,业务素质,统计分析
参考文献
[1]杜婷庞东:网络抽样调查数据质量的评估与控制[J].统计与决策, 2004年4期
[2]黄小平:社会主义市场经济下统计调查方法问题的探讨[J].统计研究, 1994年3期
审计抽样风险控制与数据式审计 篇8
本文主题并不在于提出新理念, 而意在通过对审计抽样风险理论剖析, 重点分解其中影响审计质量的部分, 提出在数据式审计模式下可能的改进设想。
1 审计风险模型的应用理解
《中国注册会计师审计准则第1101号——财务报表审计的目标和一般原则》, 第十七条中对“审计风险”的定义:审计风险是指财务报表存在重大错报而注册会计师发表不恰当审计意见的可能性。定义中强调审计风险构成因素的关系, (1) 重大错报的存在性, (2) 重大错报与审计意见的匹配性。就审计工作而言, 发现重大错报是其一, 对发现的重大错报的反映与处理是其二。那么这两者能否通过审计风险模型得以体现与反映?审计风险因不匹配的审计意见而生, 而审计意见能否通过审计风险模型体现?
降低审计风险的重要前提是对重大错报的灵敏嗅觉在整个审计系统中得到相应的预警机制保障, 在定性的基础上加以量化控制。审计风险模型使量化审计风险成为可能, 同时, 也为量化审计工作量设计审计测试程序提供了理论基础, 只是这一模型从不同使用者角度理解存在一定的期望差距。
1.1 报表使用者角度
客观存在的审计风险由被审计单位的重大错报风险与事务所检查风险合力所致。这种划分引导报表使用者将审计风险的形成来源分解为被审单位与会计师事务所, 一方面是被审计单位自身防御系统出现问题所导致的重大错报可能, 另一方面是会计师事务所设计的审计测试程序未能发现重大错报的概率。
因此, 审计风险模型在这里是客观存在审计风险要素的诠释, 有助于报表使用者客观理解并正确区分其中蕴含的会计责任与审计责任。一旦出现审计失败, 追究法律责任时, 报表使用者可以厘清诉求对象, 就被审单位内部串通舞弊所致的重大错报与审计程序故障导致的重大错报遗漏有一个相对清晰的逻辑分析。
1.2 审计执业角度
审计风险概念本身从理论上有助于把握审计风险内涵, 但从执业角度操作指导性不强, 而审计风险模型将审计风险细化分解, 并从会计师事务所整体可接受审计风险水平与对应的检查风险来设计审计程序。
这里的审计风险是指会计师事务所可承受的、可接受的审计风险, 具体而言, 如果定为5%, 那么就意味着审计把握度控制在95%, 当然, 风险越高, 把握度越低, 审计程序设计得越粗略, 容错率越高。在民事诉讼环境相对成熟的市场中, 这里的审计风险与相应的法律责任具有相关关系, 也就是说, 会计师事务所需要权衡, 项目投入产出与可能的诉讼风险是否在可接受范围内。
1.3 审计风险模型应用均衡
不同角度理解上的偏差是对审计风险模型的偏误, 还是审计风险模型本身缺陷的不可回避性?报表使用者将审计风险模型与审计意见联系起来, 但从审计人员角度, 风险模型仅在于发现重大错报, 而最终能否与审计意见匹配还取决于其他因素, 如会计师事务所的管理体制, 合约方经营理念, 以及相关的法律环境等等。
如图1所示, 随着报表错报风险的加大, 客观存在的审计风险加大, 而从审计人员而言, 为了更好地控制审计风险在合理可接受范围内, 随着报表错报风险加重, 可接受的审计风险越低。假设M点理解为重要性水平, M点右边为重大错报风险, 随着客观存在审计风险的加大, 发现重大错报的责任加大, 要求审计人员通过降低检查风险, 使审计风险尽可能地接近可接受水平。否则, 超过可接受水平的审计风险滞留在已审报表中, 存在潜在的法律风险。
这里的检查风险也是指审计人员可接受的检查风险, ADR=AAR/MMR (ADR指可接受的检查风险) , 在测定的一定的AR条件下, 依据审计人员评估的重大错报风险水平, 得到ADR, 依据此设计实质性测试程序的深度与广度。
从模型来看, 能否将客观存在的审计风险降低至可接受的水平 (综合考虑大多数报表使用者的承受能力) , 是审计成败的决定因素。这里存在一个循环, 可接受审计风险水平基于检查风险水平的正确判断, 而这种判断又取决于其前置程序——重大错报风险的估测结果。看似环环相扣的程序设计, 但实际应用中, 由于控制测试结论对实质性程序的指向性不明, 加上抽样风险因素, 导致出现风险放大的可能, 往往控制测试并不能得到有效的执行和应有的重视。除非是直接具体的风险评估点与细节测试应对, 否则, 风险评估与控制测试往往只是审计准则框架下的“过场”, 与细节测试仍是“两张皮”, 实务中的常规武器还是埋头查账。
因此, 审计抽样风险控制在整个审计测试中非常关键, 对于合理估计与应对重大错报, 有效控制审计风险至可接受水平不仅存在审计技术衔接问题, 而且涉及在应用范围、样本选择及量化控制上如何原则把握, 灵活应变的问题。
2 抽样风险控制在审计应用中的局限
抽样推断就是依据抽自总体的样本信息, 按照一定的要求来推断总体的相关信息。根据信息所反映的现象本质, 可以分为定性的信息, 如不合格品率、失控率等, 和定量的信息, 如重量、金额等。相应地, 用于定性信息的抽样称为属性抽样 (或计数抽样) , 而用于定量信息的抽样为变量抽样 (或计量抽样) 。统计抽样以样本误差来推断总体误差的特性, 使其应用之初就与审计效率联系在一起, 同时, 我们也意识到对于审计质量, 只要控制在使用者和审计人员可接受的范围内, 就被认可, 这是科学认识论在审计技术上的发展进步。
样本规模小、审计人员经验不足、抽样方法不科学等都会造成抽样风险, 但这些原因在不同抽样风险中所起的作用是不同的, 对后续审计程序的影响程度也有不同。
本文重点讨论影响效果的两类审计抽样风险———信赖过度风险和误受风险。
2.1 抽样风险之一——信赖过度风险
2.1.1 控制测试原理分析
基于成本效益原则, 控制测试产生之初是为了减少实质性测试范围。其基本原理是通过发现内部控制制度的不足之处, 即信息生产过程的薄弱环节, 来分配审计资源, 做到有重点、有目标地审计, 确保审计结论在符合一定可靠性水平的前提下提高审计效率、降低审计成本。
这里存在一个基本假设, 投入同等人力、时间, 控制测试比实质性测试工作更经济, 审计成本更优, 如图2所示, 控制风险水平评估为A点, 实际上要更高为B点, 对审计测试而言, A点的审计成本低于B点, PP′在A点表示控制测试工作量, 而在B点表示实质性测试工作量, 在审计风险一定的条件下, 即A、B点的审计把握程度相同条件下, 由于A点的控制风险低, 内控控制能力更强, 有效内控下产生的重大错报概率更低, 有基于此, 通过控制测试验证对有效内控的预期, 从而减少实质性测试工作量, 减少对接近预期值的账户余额进行测试, 注重对例外项目进行详细审计获得审计成本优势。
2.1.2 控制测试程序应用误区
从控制测试的效度来看, 最理想的状态就是全面测试, 全时段监控, 但由于审计技术以及全社会信息化水平的局限, 一直以来, 都是以点带面的方式, 通过全年不同时期样本的执行测试, 来推断控制在全年的有效性, 这种离散型的抽样, 样本代表性尤为重要, 一方面属性抽样本身, 抽样风险不可避免, 另一方面信赖过度风险对于后续变量抽样的影响重大, 负面作用会显放大效应, 从而加剧审计意见的不恰当性。
由于控制测试一直是以提高效率为应用宗旨的, 因此, 无论是程序设计还是测试程序选择, 都服从于成本效益原则, 通常情况下, 询问、观察及检查程序都不能奏效时, 重新执行程序才会较为深入地考虑, 主因是基于后者的执行成本过高。现行控制测试往往从询问与观察开始, 对于其中发现的异常情况再选择进行检查与重新执行。对内控调查的询问大多仅停留在统一的问卷设计调查上, 效果不显性。
从审计程序本身分析来看, 穿行测试, 检查与重新执行程序, 在信息化环境与审计软件相对成熟的环境下, 完全可以实现全部数据与信息的机械化操作, 从抽样风险中解脱出来。而询问与观察程序对于异常、例外情况的发现更敏锐, 对从业人员的思维及经验要求更高, 人工作业技巧高, 无法通过大规模批量操作完成, 同时, 只要样本代表性强, 这些程序自身的风险识别功能得以发挥, 可以明确清晰地指导与定位风险区域。
因此, 实务中往往出现误区, 认为控制测试是可选程序, 减少控制测试或者干脆不做, 就可以控制信赖过度风险, 这大有掩耳盗铃之嫌, 在数字化时代下的电子商务环境里, 即使是实质性测试也存在无法应对的风险, 控制测试已不仅仅是效率工具, 更多地应承担识别风险职责, 如何有效地选择代表性样本, 如何利用信息化技术为程序选择与样本定位获得最优值是我们考虑的方向。
2.2 抽样风险之二——误受风险
2.2.1 误受风险机理
抽样结果表明账户余额不存在重大错误, 而实际上却存在重大错误的可能性为误受风险, 此时被审计单位一般不会提出异议, 但审计人员却失去了一次核对审计结论的机会, 并有可能引发潜在的诉讼而承担法律责任。
我们用图解的方式来理解误受风险机理。如图3所示, 假设审计人员接受样本均值A周围的一个区间为总体真实均值 (未知) 的适当的预测值。进一步假设, 事实上总体真实均值为B, B远小于A, 这意味着A存在着严重高估。以B为中心的曲线与以A为中心的曲线存在相交的区域, 而这相交区域中的一部分即为β风险, 即误受风险。这一部分表示, 根据从总体中选出的样本估计量, 落在错报金额的一定范围内, 因此代表了认为某一账户为正确而事实上并不正确的风险。在这一情况下, 审计人员面临的主要问题是高估。相反地, 也有可能出现低估的情况, 总体实际均值落在以A为中心的区间右方。
误受风险产生机理在于样本推断总体结论的偏误, 这种抽样误差的形成主要受2个因素影响, (1) 样本代表性, (2) 样本容量。样本代表性强, 样本容量可适当减少, 而样本容量大, 抽样误差才可尽可能减小。有效的分析程序可以提高细节测试样本代表性, 而足够容量的细节测试是保证误受风险降低到可接受水平的前提。
2.2.2 分析程序应用局限
审计分析程序, 是指审计人员通过分析和比较信息 (包括财务信息和非财务信息) 之间的关系或计算相关的比率, 以确定审计重点、获取审计证据和支持审计结论的一种审计方法。其关键在于分析以及比较, 要分析所收集数据之间可能存在的相关关系, 而且要保证搜集数据的可靠性, 并且剔除其中的不合理因素。然后利用审计人员积累的经验以及收集的合理标准, 对照分析被审计单位提供的资料以及信息, 从中发现异常的变动、不合常理的趋势或者比率。分析程序在风险信号识别上性能卓越, 广泛应用于风险评估与实质性测试程序。
遗憾的是分析程序实际应用中存在缺陷, 一方面是资料来源只能局限于被审单位信息系统内的财务数据, 另一方面是分析模型大多是建立在已知的数据信息关联关系上。这些对被审单位多年连续盈利操纵束手无策, 对于未知关联模型缺乏灵敏度, 难以发现有效线索。
借助计算机技术, 利用数据式审计模式为分析程序注入新的审计技术能量, 同时, 对机械化程度高的细节测试部分进行详细审计, 为有针对性地控制误受风险提供可操作性方案。
3 数据式审计
数据式审计产生是在企业运营以电子商务为主、ERP系统为支撑的数字化模式演进中不断发展的, 尤其是CRM及SCM与ERP的高度融合, ERPⅡ开始取代ERP, 成为新型数字化企业的主流模式。对企业内外部会计环境产生重大影响。
信息化下企业存储的主要数据是以记账凭证为主的会计数据和不能以货币计量的非会计数据所构成的“数据源”。信息源头主要是无纸化交易下的各类凭证库文件, 会计数据均以“比特”方式保存在磁性介质上, 数据虚拟度高, 这也极大地扩充了会计数据的范围, 一些非货币计量的数据 (音频、视频、图表等) , 逐步成为企业经营活动和决策时必需的“会计数据”。这些数据和原有的会计数据共同构成了企业的基础数据库。基础数据重新成为审计的重点。
数据式审计的提法已有数年, 但对于其具体的界定仍然存在争议。石爱中 (2005) 对数据式审计倾向于使用数据式系统基础审计, 将其定义为:以系统内部控制测评为基础, 通过对电子数据的收集、转换、整理、分析和验证, 来实现审计目标的审计方式。管亚梅 (2007) 数据式审计也称为信息系统审计 (IS审计) 。国际信息系统领域的权威专家Ron Weber将其定义为:收集并评价证据, 以判断一个计算机系统是否有效做到保护资产、维护数据完整、完成组织目标, 同时最经济的使用资源。
我们将近年来的相关论点总结为数据式审计是以被审计单位底层数据库原始数据为切入点, 在对信息系统内部控制测评的基础上, 通过对底层数据的采集、转换、整理、分析和验证, 形成审计中间表, 并且运用查询分析、多维分析、数据挖掘等多种技术方法构建模型进行数据分析, 发现趋势异常和错误, 把握总体、突出重点、精确延伸, 从而收集审计证据, 实现审计目标的审计方式。
4 数据式审计对审计抽样风险控制的影响
数据式审计以其先进的信息技术平台, 灵便的理念支撑, 为审计抽样风险控制带来了新希望, 就提高抽样样本及扩充样本容量方面, 具有难以抗拒的优势。
4.1 控制信赖过度风险, 设计连续审计方案
降低信赖过度风险最有效的方法, 就是提高抽样样本的代表性, 关键在于正确定位系统控制风险点, 改进“盲人摸象”式的控制测试。
4.1.1 还原控制测试程序的风险定位功能
目前, 重大错报风险评估来自于风险评估程序和控制测试, 两者测试目的都是为实质性程序提供依据。从审计执业角度而言, 信赖过度风险无疑是审计质量的劲敌, 我们难以探测被审单位串通舞弊的可能, 但强化审计程序设计与风险识别能力是击败被审计单位的机会主义心理的有力武器。因此, 加强职业谨慎, 在测试程序的设计上下功夫, 是控制测试程序自身保有可能的前提。
样本代表性主要取决于抽样方法, 样本容量等因素。实质性测试中应用统计抽样, 样本代表性取决于总体中对于重大错报可能的定位与筛选, 如果风险评估程序可以直接定位, 那么样本选择代表性具有唯一性, 如果审计程序需要经过层层测试, 间接到达细节测试, 此时样本代表性取决于前置程序的科学性。如前所述, 提高控制测试的效度, 减少信赖过度风险, 是降低误受风险的重要前提。因此, 利用高度信息化集成手段, 还原控制测试本身局部风险定位功能, 结合整体风险评估程序的结果, 有效锁定实质性测试范围, 可以提高样本代表性, 相对减少抽样风险。
4.1.2 设计连续审计方案
连续审计对于控制测试有效样本选取十分有利, 由高度自动化的程序来完成全时段、全过程的重新执行与检查程序, 通过数据的孤立点分析, 导出内控可能存在漏洞的异常报告, 然后, 再相应地展开询问与观察程序, 此时, 属性抽样样本代表性提高, 抽样风险大大降低, 而询问与观察程序已不再仅仅是测试控制有效性, 而更多地赋予风险识别功能, 审计从业者可以从大量的机械检查工作中脱离出来, 对询问与观察程序的设计与适用进行更具可行、效度更高的运用研究。
从原理上来讲, 连续审计 (CA) , 在信息系统高度自动化, 会计数据结构可自动、安全高效转换的环境下, 是指在信息系统中安装具有记录功能的程序模块, 持续监控, 按照审计人员事先设定的抽样条件参数, 对符合条件的数据自动采样, 并记录或标记于审计文件中, 进行有选择性地、全时段系统监控, 目前, 连续审计技术实现方案有嵌入测试法 (Embedded Test Facility Approach) 和数字代理 (Digital Agent) 模式, 各模式都有其适用范围, 也存在一定的应用不足, 但其自动化的数据建模与分析功能大大减少了人工测试工作, 使得审计人员集中于连续审计系统鉴定与风险点识别。
4.2 控制误受风险, 利用OLAP与数据挖掘技术, 提高样本代表性
从审计抽样机理来看, 审计抽样风险产生源于样本的代表性差, 从理论上讲提高样本的代表性是缩小抽样误差的最佳途径。实际上, 总体特征通过审计抽样了解和估计, 既使完成对样本的测试后, 也无法确切地知道样本是否具有代表性。提高细节测试样本代表性必须从样本选择的起点进行有效设计, 重点考虑以下2点。
4.2.1 强化分析程序中的数据挖掘功能
数据挖掘无疑可有效弥补现行分析程序的缺陷, 这一技术发现知识是隐含的、事先未知的、潜在的有用的信息, 其建立在强大网络资源与高度信息化基础上, 可以更有效地发挥分析程序能量, 提高异常信号识别的灵敏度, 有效定位风险点, 从而提高样本代表性。
4.2.1. 1 数据挖掘技术
数据挖掘就能从大型数据库的相关数据集合中抽取出来有价值的知识、规则或高层的信息, 并从不同的角度显示, 从而使大型数据库作为一个丰富而可靠的资源为知识归纳服务。按功能分主要有以下几种:关联规则;分类规则;聚类规则;异类分析;趋势分析。其中关联规则挖掘是关联知识发现的最常用方法。
关联知识 (Association) 反映一个事件和其他事件之间的依赖或关联。数据库中的数据关联是现实世界中事物联系的表现。数据库作为一种结构化的数据组织形式, 利用其依附的数据模型可能刻画了数据间的关联 (如关系数据库的主键和外键) 。但是, 数据之间的关联是复杂的, 不仅是上面所说的依附在数据模型中的关联, 大部分是蕴藏的。关联知识挖掘的目的就是找出数据库中隐藏的关联信息。关联可分为简单关联、时序 (Time Series) 关联、因果关联、数量关联等。这些关联并不总是事先知道的, 而是通过数据库中数据的关联分析获得的, 因而对商业决策具有新价值。
聚类分析是数据挖掘的目标之一。通过聚类技术可以对源数据库中的记录划分为一系列有意义的子集, 进而实现对数据的分析。聚类和分类技术不同, 前者在特定的类标识下寻求新元素属于哪个类, 而后者则是通过对数据的分析比较生成新的类标识。
演变分析是指由历史的和当前的数据产生的并能推测未来数据趋势。统计学中的回归方法等可以通过历史数据直接产生对未来数据预测的连续值。因而这些预测型知识已经蕴藏在诸如趋势曲线等输出形式中。
4.2.1. 2 利用数据挖掘技术的分析程序
数据挖掘技术与分析程序具有相似的风险信号识别功能, 在数据审计模式下, 数据挖掘可充分发挥并延伸分析程序功能, 增强审计程序的不可预见性。
由于不同行业, 不同背景, 不同组织模式与经营特色的企业, 都有着自身发展的路径与特征, 数据挖掘技术作为一种深层次的数据分析技术, 不仅能对被审计单位的历史数据进行查询, 而且能够找出大量历史数据之间的潜在联系和规律。对审计数据进行孤立点的发现、关联规则的提取、神经网络的应用, 以及构建决策树来提取数据间隐含的知识。可以很好地弥补分析程序的不足, 可以运用到审计预警中, 建立审计分析模型, 帮助审计人员确定审计重点、发现审计线索, 从而降低审计风险。
4.2.2 利用OLAP, 延伸细节测试的外部取证
4.2.2. 1 跨行业数据仓库建立, 实现对账平台开放
函证、监盘程序历经审计模式变化, 始终是账实相符核查中不可取代的部分, 也是众多造假案例频频出镜的高风险领域, 一直是审计测试中水火交融的战场, 从账面到实物的抽样, 以抽样分层等技术简化处理样本选择, 同时, 缺乏抽样执行过程中的有效监控, 都是目前该部分取证的致命缺陷。而局限于被审单位信息系统内部的核对, 由于程序外延性不足, 证据断点重重, 往往使审计失策于中间环节。例如, 函证依赖于函询单位的回函, 而函询单位的核对过程并未验证, 也缺乏系统核对信息证据, 被函询方决定了函证程序的成败, 而大量的函证替代程序又回到了被审单位信息系统内部取证, 陷入死胡同。
因此, 必须突破单位内部信息系统, 在整个社会供产销环节构建共享统一的信息系统平台完成对账, 实现相关账务来往信息的全面机械核对, 结合核对结果, 最终确定资产检查的样本选择, 实现账实相符的大平台审计。这需要强大的信息技术网络以及完善的数据仓库后台支持。
联机分析处理技术 (On-Line Analytical Processing, 简称OLAP) , 目前对于海量数据处理所采取的主要方法, 是针对决策问题的联机数据访问和分析, 最基本、最核心的特征就是从多个角度分析数据, 也称为多维分析。OLAP一般以数据仓库作为基础, 即从数据仓库中抽取详细数据的一个子集并经过必要的聚集存储到OLAP存储器中供前端分析工具读取。
数据式审计中业务流程中, 最主要的环节是对基础数据库中各种类型的数据进行分析, 从中找出疑点, 从而确定审计的重点, 联机分析处理技术为数据分析提供了强有力的审计分析工具, 为同行业、跨行业的数据仓库与对账平台建立提供了技术支撑, 同时, 审计系统与社会对账系统之间的数据沟通问题, 随着XBRL的出现而有望解决。目前XBRL国际组织已经发布了XBRL财务报表分类标准 (XBRL for Financial Statement) 和XBRL分类账标准 (XBRL for General Ledger) , 预期未来将发展以XBRL为基础的财务信息供应链。未来XBRL分类标准的应用主要有:管理报表分类标准 (XBRL for Financial Statement) , 报税单分类标准 (XBRL for Tax Returns) , 认证报告分类标准 (XBRL for Assurance Services (Audit) Schedules) 、认证服务工作底稿分类标准 (XBRL for Assurance Services Working Papers) , 会计法规分类标准 (XBRL for Authoritative Literature) , 经营报告分类标准 (XBRL for Business Reporting) 等。
4.2.2. 2 实现机械化程序的详细审计, 有效控制抽样样本容量
按照概率统计的一般原理, 样本测试规模过小, 有可能会产生更大的样本估计风险;反过来样本测试规模较大, 由此会在一定程度上提高估计精度, 相应地也就能降低样本推断风险。但测试样本也不可能无限增大, 否则就达不到抽样审计的目的。
审计抽样的应用本意是为了提高效率, 同时, 也是无法实现详细审计的一种妥协。数据式审计的最大特点就是对电子数据的直接利用, 在进行数据采集时, 深入被审计单位计算机信息系统的底层数据库, 获取更多、更广泛的内部数据, 通过对这些数据的分析处理, 并结合从相关单位和部门采集的外部数据的关联分析, 得到大量的多种类型的有用信息。可以实现对机械性程度高的细节测试, 如重新计算、文件检查等进行详细审计, 从而获取孤立点分析, 利用数据挖掘关联规则对关联度强, 异动频率高的部分, 重点进行账实相符核查程序设计, 可以有效降低误受风险, 减少审计技术自身不确定性。
5 结语
现代审计在自身完善的重重困惑中上下求索, 也在不同时代的技术更迭中寻找新的发展优势, 云计算平台、信息技术都为审计应用瓶颈提供了可突破的模式, 我们希望审计抽样风险控制在数据式审计设计下不再是条条框框而束之高阁, 而是实实在在进入审计实务中的灵活应用工具, 为提高审计效率、审计产品质量开辟新天地。
数据式审计融合数据挖掘技术与联机分析技术在社会循环体系中大有应用推广之势, 无论是审计逻辑起点还是程序设计顺序都与现行审计体系存在很大的差异, 同时, 专家系统工程与法律制度完善也是无法回避的问题, 我们必须研究与思考这一审计模式所带来的系统性影响。
摘要：审计抽样风险是审计基础理论中重要的研究领域, 但因技术手段局限, 导致其应用仅作为曲高和寡的框架, 抽样风险成为转嫁法律责任的有力托辞, 也是一直以来拉大审计期望差距的主因。借助信息化集成技术平台建设, 运用数据式审计理念, 审计抽样能够得到灵便有效的应用, 抽样风险也可以控制在科学合理的水平。
关键词：审计抽样风险,数据式审计,信息化技术
参考文献
[1]石爱中.初释数据式审计[J].审计研究, 2005 (4) .
[2]管亚梅.我国推进数据式审计的发展策略思考[J].经济纵横, 2007 (8) .
[3]桑果.数据式审计的分析模型探析[J].南京审计学院学报, 2008 (5) .
[4]黄昌勇, 阳杰.论连续审计的概念框架[J].南京财经大学学报, 2007 (4) .
[5]辜飞南, 李若山, 徐林倩丽.现代中国审计学[M].北京:中国时代经济出版社, 2002.
[6]陈伟.联网审计——技术方法与绩效评价[M].北京:清华大学出版社, 2011.
[7]Roger S Debreceny, Glen L Gray.Data Mining Journal Entries for Fraud Detection:An Exploratory Study[J].International Journal of Accounting Information Systems, 2010 (11) :157–181.