实证研究统计学论文

时代金融摘 要:关键词:一、 引言一个国家的国民经济有很多因素构成, 省区经济则是我国国民经济的重要组成部分, 很多研究文献都认为中国的省区经济是宏观经济的一个相对独立的研究对象, 因此, 选取省区经济数据进行区域经济的研究, 无疑将是未来几年的研究趋势。而省区经济对我国国民经济的影响, 已从背后走到了台前, 发展较快的省区对我国国民经济的快速增长起到了很大的作用, 而发展相对较慢的省区, 其原因与解决方法也值得我们研究。本文选取华中大省湖北省进行研究, 具有一定的指导和现实意义。湖北省 2006 年 GDP 为 7497 亿元, 人均 GDP13130 元, 达到中等发达国家水平。从省域经济来说, 湖北省是一个较发达的经济实体。另一方面, 湖北省优势的地理位置和众多的人口使之对于我国整体经济的运行起到不可忽视的作用, 对于湖北省 GDP的研究和预测也就从一个侧面反映我国国民经济的走势和未来。尽管湖北省以其重要位置和经济实力在我国国民经济中占据一席之地, 但仍不可避免的面临着建国以来一再的经济波动,从最初的强大势力到如今的挣扎期, 湖北省的经济面临着发展困境。近年来, 湖北省的经济状况一再呈现再次快速发展的趋势, 但是这个趋势能够保持多久却是我们需要考虑的问题。本文选择了时间序列分析的方法进行湖北省区域经济发展的预测。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势的。即通过时间序列的历史数据揭示现象随时间变化的规律, 将这种规律延伸到未来, 从而对该现象的未来作出预测。二、 基本模型、 数据选择以及实证方法( 一) 基本模型ARMA 模型是一种常用的随机时序模型, 由博克斯, 詹金斯创立, 是一种精度较高的时序短期预测方法, 其基本思想是: 某些时间序列是依赖于时间 t 的一组随机变量, 构成该时序的单个序列值虽然具有不确定性, 但整个序列的变化却具有一定的规律性, 可以用相应的数学模型近似描述。通过对该数学模型的分析,能够更本质的认识时间序列的结构与特征, 达到最小方差意义下的最优预测。现实社会中, 我们常常运用 ARMA模型对经济体进行预测和研究, 得到较为满意的效果。但 ARMA模型只适用于平稳的时间序列, 对于如 GDP 等非平稳的时间序列而言, ARMA模型存在一定的缺陷, 因此我们引入一般情况下的 ARMA模型 ( ARIMA模型) 进行实证研究。事实上, ARIMA模型的实质就是差分运算与 ARMA模型的组合。 本文讨论的求和自回归移动平均模型, 简记为 ARIMA ( p, d, q) 模型,是美国统计学家 和 enkins 于 1970 年首次提出, 广泛应用于各类时间序列数据分析, 是一种预测精度相当高的短期预测方法。建立 ARIMA ( p, d, q) 模型计算复杂, 须借助计算机完成。本文介绍 ARIMA ( p, d, q) 模型的建立方法, 并利用Eviews 软件建立湖北省 GDP 变化的 ARIMA ( p, d, q) 预测模型。( 二) 数据选择1.本文所有 GDP 数据来自于由中华人民共和国统计局汇编,中国统计出版社出版的 《新中国五十五年统计数据汇编》 。2.本文的所有数据处理均使用 软件进行。( 三) 实证方法ARMA模型及 ARIMA模型都是在平稳时间序列基础上建立的, 因此时间序列的平稳性是建模的重要前提。任何非平稳时间序列只要通过适当阶数的差分运算或者是对数差分运算就可以实现平稳, 因此可以对差分后或对数差分后的序列进行 ARMA( p, q) 拟合。ARIMA ( p, d, q) 模型的具体建模步骤如下:1.平稳性检验。一般通过时间序列的散点图或折线图对序列进行初步的平稳性判断, 并采用 ADF 单位根检验来精确判断该序列的平稳性。对非平稳的时间序列, 如果存在一定的增长或下降趋势等,则需要对数据取对数或进行差分处理, 然后判断经处理后序列的平稳性。重复以上过程, 直至成为平稳序列。此时差分的次数即为ARIMA ( p, d, q) 模型中的阶数 d。为了保证信息的准确, 应注意避免过度差分。对平稳序列还需要进行纯随机性检验 ( 白噪声检验) 。白噪声序列没有分析的必要, 对于平稳的非白噪声序列则可以进行ARMA ( p, q) 模型的拟合。白噪声检验通常使用 Q 统计量对序列进行卡方检验, 可以以直观的方法直接观测得到结论。拟合。首先计算时间序列样本的自相关系数和偏自相关系的值, 根据自相关系数和偏自相关系数的性质估计自相关阶数 p 和移动平均阶数 q 的值。一般而言, 由于样本的随机性, 样本的相关系数不会呈现出理论截尾的完美情况, 本应截尾的相关系数仍会呈现出小值振荡的情况。又由于平稳时间序列通常都具有短期相性, 随着延迟阶数的增大, 相关系数都会衰减至零值附近作小值波动。根据 Barlett 和 Quenouille 的证明, 样本相关系数近似服从正态分布。一个正态分布的随机变量在任意方向上超出 2σ 的概率约为 。因此可通过自相关和偏自相关估计值序列的直方图来大致判断在 5%的显著水平下模型的自相关系数和偏自相关系数不为零的个数, 进而大致判断序列应选择的具体模型形式。同时对模型中的 p 和 q 两个参数进行多种组合选择, 从 ARMA ( p,q) 模型中选择一个拟和最好的曲线作为最后的方程结果。一般利用 AIC 准则和 SC 准则评判拟合模型的相对优劣。3.模型检验。模型检验主要是检验模型对原时间序列的拟和效果, 检验整个模型对信息的提取是否充分, 即检验残差序列是否为白噪声序列。如果拟合模型通不过检验, 即残差序列不是为白噪声序列, 那么要重新选择模型进行拟合。如残差序列是白噪声序列, 就认为拟合模型是有效的。模型的有效性检验仍然是使谭诗璟ARIMA 模型在湖北省GDP 预测中的应用—— —时间序列分析在中国区域经济增长中的实证分析本文介绍求和自回归移动平均模型 ARIMA ( p, d, q) 的建模方法及 Eviews 实现。广泛求证和搜集从 1952 年到 2006 年以来湖北省 GDP 的相关数据, 运用统计学和计量经济学原理, 从时间序列的定义出发, 结合统计软件 EVIEWS 运用 ARMA建模方法, 将 ARIMA模型应用于湖北省历年 GDP 数据的分析与预测, 得到较为满意的结果。湖北省 区域经济学 ARIMA 时间序列 GDP 预测理论探讨262008/01 总第 360 期图四 取对数后自相关与偏自相关图图三 二阶差分后自相关与偏自相关图用上述 Q 统计量对残差序列进行卡方检验。4.模型预测。根据检验和比较的结果, 使用 Eviews 软件中的forecas t 功能对模型进行预测, 得到原时间序列的将来走势。 对比预测值与实际值, 同样可以以直观的方式得到模型的准确性。三、 实证结果分析GDP 受经济基础、 人口增长、 资源、 科技、 环境等诸多因素的影响, 这些因素之间又有着错综复杂的关系, 运用结构性的因果模型分析和预测 GDP 往往比较困难。我们将历年的 GDP 作为时间序列, 得出其变化规律, 建立预测模型。本文对 1952 至 2006 年的 55 个年度国内生产总值数据进行了分析, 为了对模型的正确性进行一定程度的检验, 现用前 50 个数据参与建模, 并用后五年的数据检验拟合效果。最后进行 2007年与 2008 年的预测。( 一) 数据的平稳化分析与处理1.差分。利用 EViews 软件对原 GDP 序列进行一阶差分得到图二:对该序列采用包含常数项和趋势项的模型进行 ADF 单位根检验。结果如下:由于该序列依然非平稳性, 因此需要再次进行差分, 得到如图三所式的折线图。根据一阶差分时所得 AIC 最小值, 确定滞后阶数为 1。然后对二阶差分进行 ADF 检验:结果表明二阶差分后的序列具有平稳性, 因此 ARIMA ( p, d,q) 的差分阶数 d=2。二阶差分后的自相关与偏自相关图如下:2.对数。利用 EViews 软件, 对原数据取对数:对已经形成的对数序列进行一阶差分, 然后进行 ADF 检验:由上表可见, 现在的对数一阶差分序列是平稳的, 由 AIC 和SC 的最小值可以确定此时的滞后阶数为 2。 因为是进行了一阶差分, 因此认为 ARIMA ( p, d, q) 中 d=1。( 二) ARMA ( p, q) 模型的建立ARMA ( p, q) 模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得。图一 1952- 2001 湖北省 GDP 序列图表 1 一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC 备注0 - - - - 非平稳1 - - - - - - - - - - - - - - - - 表 2 二阶差分的 ADF 检验Lag Length t- Statistic 1% level 5% level 10% level1 (Fixed) - - - - 表 3 对数一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC SC 备注0 - - - - - - 平稳 1 - - - - - - - - - - - - - - - - - - 图五 对数后一阶差分自相关与偏自相关图理论探讨27时代金融摘 要:关键词:使用 EViews 软件对 AR, MA的取值进行实现, 比较三种情况下方程的 AIC 值和 SC 值:表 4ARMA模型的比较由表 4 可知, 最优情况本应该在 AR ( 1) , MA ( 1) 时取得, 但AR, MA都取 1 时无法实现平稳, 舍去。对于后面两种情况进行比较, 而 P=1 时 AIC 与 SC 值都比较小, 在该种情况下方程如下:综上所述选用 ARIMA ( 1, 1, 0) 模型。( 三) 模型的检验对模型的 Q 统计量进行白噪声检验, 得出残差序列相互独立的概率很大, 故不能拒绝序列相互独立的原假设, 检验通过。模型均值及自相关系数的估计都通过显著性检验, 模型通过残差自相关检验, 可以用来预测。( 四) 模型的预测我们使用时间序列分析的方法对湖北省地方生产总值的年度数据序列建立自回归预测模型, 并利用模型对 2002 到 2006 年的数值进行预测和对照:表 5 ARIMA ( 1, 1, 0) 预测值与实际值的比较由上表可见, 该模型在短期内预测比较准确, 平均绝对误差为 , 但随着预测期的延长, 预测误差可能会出现逐渐增大的情况。下面, 我们对湖北省 2007 年与 2008 年的地方总产值进行预测:在 ARIMA模型的预测中, 湖北省的地方生产将保持增长的势头, 但 2008 年的增长率不如 2007 年, 这一点值得注意。GDP毕竟与很多因素有关, 虽然我们一致认为, 作为我国首次主办奥运的一年, 2008 将是中国经济的高涨期, 但是是否所有的地方产值都将受到奥运的好的影响呢? 也许在 2008 年全国的 GDP 也许确实将有大幅度的提高, 但这有很大一部分是奥运赛场所在地带来的经济效应, 而不是所有地方都能够享有的。正如 GDP 数据显示, 1998 年尽管全国经济依然保持了一个比较好的态势, 但湖北省的经济却因洪水遭受不小的损失。作为一个大省, 湖北省理应对自身的发展承担起更多的责任。总的来说, ARIMA模型从定量的角度反映了一定的问题, 做出了较为精确的预测, 尽管不能完全代表现实, 我们仍能以ARIMA模型为基础, 对将来的发展作出预先解决方案, 进一步提高经济发展, 减少不必要的损失。四、结语时间序列预测法是一种重要的预测方法, 其模型比较简单,对资料的要求比较单一, 在实际中有着广泛的适用性。在应用中,应根据所要解决的问题及问题的特点等方面来综合考虑并选择相对最优的模型。在实际运用中, 由于 GDP 的特殊性, ARIMA模型以自身的特点成为了 GDP 预测上佳选择, 但是预测只是估计量, 真正精确的还是真实值, 当然, ARIMA 模型作为一般情况下的 ARMA 模型, 运用了差分、取对数等等计算方法, 最终得到进行预测的时间序列, 无论是在预测上, 还是在数量经济上, 都是不小的进步, 也为将来的发展做出了很大的贡献。我们通过对湖北省地方总产值的实证分析, 拟合 ARIMA( 1, 1, 0) 模型, 并运用该模型对湖北省的经济进行了小规模的预测,得到了较为满意的拟和结果, 但湖北省 2007 年与 2008 年经济预测中出现的增长率下降的问题值得思考, 究竟是什么原因造成了这样的结果, 同时我们也需要到 2008 年再次进行比较, 以此来再次确定 ARIMA ( 1, 1, 0) 模型在湖北省地方总产值预测中所起到的作用。参考文献:【1】易丹辉 数据分析与 EViews应用 中国统计出版社【2】 Philip Hans Frances 商业和经济预测中的时间序列模型 中国人民大学出版社【3】新中国五十五年统计资料汇编 中国统计出版社【4】赵蕾 陈美英 ARIMA 模型在福建省 GDP 预测中的应用 科技和产业( 2007) 01- 0045- 04【5】 张卫国 以 ARIMA 模型估计 2003 年山东 GDP 增长速度 东岳论丛( 2004) 01- 0079- 03【6】刘盛佳 湖北省区域经济发展分析 华中师范大学学报 ( 2003) 03-0405- 06【7】王丽娜 肖冬荣 基于 ARMA 模型的经济非平稳时间序列的预测分析武汉理工大学学报 2004 年 2 月【8】陈昀 贺远琼 外商直接投资对武汉区域经济的影响分析 科技进步与对策 ( 2006) 03- 0092- 02( 作者单位: 武汉大学经济与管理学院金融工程)AR(1)MA(1) AR(1) MA(1) 备注AIC - - - 最优为 AR(1)MA(1)SC - - - Coefficient Std. Error t- Statistic (1) squared - Mean dependent var R- squared - . dependent var . of regression Akaike info criterion - resid Schwarz criterion - likelihood Durbin-Watson stat AR Roots .59年份 实际值 预测值 相对误差(%) 平均误差(%)2002 - - - - - 年度 GDP 值 增长率(%) — 表 6 ARIMA ( 1, 1, 0) 对湖北省经济的预测一、模糊数学分析方法对企业经营 ( 偿债) 能力评价的适用性影响企业经营 ( 偿债) 和盈利能力的因素或指标很多; 在分析判断时, 对事物的评价 ( 或评估) 常常会涉及多个因素或多个指标。这时就要求根据多丛因素对事物作出综合评价, 而不能只从朱晓琳 曹 娜用应用模糊数学中的隶属度评价企业经营(偿债)能力问题影响企业经营能力的许多因素都具有模糊性, 难以对其确定一个精确量值; 为了使企业经营 ( 偿债) 能力评价能够得到客观合理的结果, 有必要根据一些模糊因素来改进其评价方法, 本文根据模糊数学中隶属度的方法尝试对企业经营 ( 偿债) 能力做出一种有效的评价。隶属度及函数 选取指标构建模型 经营能力评价应用理论探讨28

实证论文就是实证研究论文，是指研究者亲自收集观察资料，为提出理论假设或检验理论假设而展开的研究。具有鲜明的直接经验特征。其实证研究方法包括数理实证研究和案例实证研究。

它与非实证论文的区别只有一个，就是两者基于的研究方式不同：实证研究依靠对研究对象的系统观察来获得研究本质；非实证研究则是基于思想(idea)、框架(framework)或者思索(speculation)。

实证研究包括两类：

1、数理实证研究

数理实证研究比较适合研究较为复杂的问题。社会经济制度之间存在着极为复杂的相互作用机制，而运用数学计量工具可以将有关影响因素予以固定，从而把握复杂现象之间的内在联系，消除变量内生性、异方差和多重共线性问题。

但数理实证研究对于数据质量相对要求较高，数据录入和操作错误往往会导致错误的分析结果。这就需要研究者在数据录入中保持高度警觉，有意识地避免操作失误。

2、案例实证研究

案例研究可以分为单个案研究和多个案研究。个案研究不仅有助于积累不同广泛而深入的个案资料，形成对于问题的实感，也可以为调查者获得第一手资料，从现实获取灵感源泉。

扩展资料：

实证论文的研究方法，实证研究法的基本步骤：

1、确定所要研究的对象，分析研究对象的构成因素、相互关系以及影响因素，搜集并分类相关的事实资料。

2、设定假设条件。在研究的过程中，研究对象的行为是有其特征所决定，试图把所有复杂因素都包括进去，显然是不现实也不可能的。为此，必须对某一理论所使用的条件进行设定。

当然，假设的条件有一些是不现实的，但没有假设条件则无法进行科学研究。运用实证研究法研究问题，必须正确设定假设条件。

3、提出理论假说。假说是对于现象进行客观研究所得出的暂时性结论，也就是未经过证明的结论。假说对研究对象现象的经验性概括和总结，但还不能说明它是否能成为具有普遍意义的理论。

4、验证。在不同条件和不同时间对假说进行检验，用事实检验其正确与否。检验包括应用假说对现象的运动发展进行预测。

参考资料来源：百度百科-实证研究

这个建议你 查十篇左右的文献 看看以前发表的毕业论文都是怎么写的 然后还可以跟上一级打听下 或者跟指导你毕业的老师咨询下 找到一个研究样本之后 再想怎么做 论文题目不急

我给你分享几个统计学与应用这本期刊的题目吧，你参考参考：产业集聚对江苏省制造业全要素生产率的影响研究、基于文献计量分析的企业论文发表情况评价——以宁波市安全生产协会会员为例、基于泰尔指数的城乡收入差距的分析与预测、卡方分布下FSI CUSUM和VSI CUSUM控制图的比较、新冠肺炎疫情对中国旅游业的冲击影响研究——基于修正的TGARCH-M模型

审计实证研究硕士论文

我国的法律环境和证券市场的发展程度与西方国家存在着巨大差异，在此情况下，适合于西方经济条件下的审计师选择信号传递理论在中国是否依然成立，目前尚缺乏充分的证据，我国关于此方面的研究也很少。以下是审计实证研究硕士论文，欢迎阅读。

摘 要：随着实证思想在审计理论研究中的渗透和贯彻，实证审计学的研究将会受到越来越多学者的重视。我们要理解审计，必须把它放入现实中，并观察审计是怎么运行的。解析运行中的各种现象，是需要审计事实（审计主体行为的集合）的，而审计事实的取得要通过收集各种资料并对资料进行 分析 。这就需要借鉴实证法了。本文把审计风险与实证法相结合来对审计风险相关 内容 进行了研究。

关键词：审计风险；重要性

实证审计理论研究内容涉及若干个课题。笔者仅就作为 现代 审计理论的一项重要研究成果———审计风险的实证研究做一探讨。这个课题的研究包括三个大的方面：对重要性概念的实证研究；建立分析审计风险的模型；确定重要性概念的内容。

一、对重要性概念的实证研究

审计重要性直接决定着审计工作开展的范围、审计检查的内容、采用的审计 方法 和必须实施的工作步骤，直接决定着审计工作质量的高低。因此，对重要性概念的认识是非常有必要的。这方面的研究可以采用实证的方法：

1.市场研究。即研究公开财务信息对股票价格的 影响 。根据市场对某项财务信息的反映来确定它是否重要。但是在市场研究中，我们不能肯定市场反应来自某种特定的信息，因此要设计有控制的实验来调查某一财务信息变量的市场反应，从而确定其重要性。

2.实验研究。实验通过使用假想的数据，了解实验对象针对这些数据的相应对策，这些变量是根据诸如净收入的百分比、事项性质、流动资产的百分比、盈利趋势等来安排的。实验对象可以是审计师、财务人员和一般百姓，这样可通过对统一财务变量进行不同的数据实验来确定该财务变量的重要界限，而且还可以发现在 社会 中哪些事项是相对重要的。

3.对审计实务的描述性研究。主要是对 会计 师事务所的实务指南的描述，以及法院对一些自身建立的判决结果。研究证明，绝大多数会计师事务所是具有重要性的定量化依据的。美国学者Lee在1984年的一项研究中描述了30个大的英国会计师事务所的审计程序中有关重要性的内容，结果仅7个没有。

二、建立分析审计风险的模型

《独立审计准则第9号———内部控制与审计风险》将审计风险定义为：“审计风险是指会计报表存在重大错报或漏报，而注册会计师审计后发表不恰当审计意见的可能性”。随着审计风险影响范围的扩大，审计风险也有狭义和广义之分，前者一般是指会计师事务所承担的 法律 责任以及遭受损失的可能性，而后者是指审计行业因审计风险而可能遭受的损失，一般表现为因审计失败而引起的中介市场份额的减少或业务范围的受限。本文要讨论的是狭义的审计风险。因而建立的模型是 目前 审计职业界普遍使用的由美国注册会计师协会1983年提出的审计风险模型，该模型认为审计风险由固有风险、控制风险和检查风险三要素组成，由于审计过程中三要素的存在，未能揭示会计报表存在重大错报、漏报给审计关系人造成客观损失，其可能性（审计风险）用P表示。P=固有风险×控制风险×检查风险，审计主体总是希望将P控制在可接受的水平并以此估计检查风险。如果审计主体高估固有风险、控制风险，若再主观上将检查风险控制在一个较低水平，会产生误拒风险，这时必须扩大审计范围，增加审计程序，来尽量降低检查风险；反之，若低估固有风险、控制风险，而主观上又将检查风险控制在一个较高水平，将产生误受风险和道德风险，可能发生在审计过程中未查出重大错报和漏报，或有意减少审计程序和审计成本，此时审计人员应保持应有的职业谨慎并将审计风险降到可接受水平。根据上述模型，审计主体在确定可接受的审计风险时，首先要评估固有风险、控制风险，在此基础上推算可接受的检查风险。

审计风险能直观反映审计风险产生的原因及可能产生的后果。但在 应用 该模型时要注意以下几点：（一）模型可以扩展；（二）模型并不唯一；（三）模型可以定量、定性或定量定性结合使用；（四）模型具有主观性。

三、确定重要性概念的内容

在市场 经济 环境中，审计人员面临的信息资料多如牛毛，在成本———效益的原则下，支出和时间是非常重要的，审计人员总会把记忆力集中在重要的经济业务、会计事项甚至舞弊和差错等方面，而不会与鸡毛蒜皮的事纠缠不休。为此，人们提出了重要性概念，并对它加以规范和补充。国际会计准则委员会（IASC）对重要性的定义是：“如果信息的错报或漏报会影响使用者根据会计报表采取的经济决策，信息就具有重要性。”美国财务会计准则委员会（FASB）对重要性的定义是：“一项会计信息的错报或漏报是重要的，旨在特定环境下，一个理性的人依赖该信息所做的决策可能因为这一错报或漏报得以变化或修正。”我国独立审计准则对重要性的定义是：“重要性指被审计单位会计报表等会计资料中出现错报或漏报的严重程度，这一程度在特定环境下可能影响会计报表使用者的判断或决策。”由此可见，各国对重要性的认识是基本一致的，也就是说，可以这样来定义重要性：信息的错报或漏报可能影响到会计报表使用者的决策即为重要性。

在审计过程中，需要运用重要性概念的情形有二：

①是在确定审计程序的性质、时间和范围时，重要性被看作审计所允许的可能或潜在的未发现错误或漏报的程度，即审计人员在运用审计程序以检查 会计 报表的错报或漏报是所允许的误差范围。

②是在评价审计结果时，重要性被看作是某一错报或漏报（或汇总的错报或漏报）是否 影响 会计报表使用者判断和决策的标志。而且，在实际工作中对重要性作初步判断时要结合以往的审计经验，并同时考虑以下几个因素：

1. 企业 规模及特定的环境。企业规模的大小对重要性的判断有重要影响。一般来说，规模大的企业，重要性的绝对数较大，相对数较小；反之，其绝对数较小，相对数较大。同样，不同企业面临不同的环境也会影响重要性的判断。如某一金额对某个企业会计报表来说是重要的，而对另一个企业来说就可能是不重要的。而且，对某一特定企业来说，重要性还会因时间的不同而有所改变。

2.有关法规对财务会计的要求。财务会计法规越来越要求企业必须采取更加稳健的会计政策，以断绝企业粉饰财务报告的路子。如果有新的财务会计法规需要企业去实施，那么这些法规的目的无外是为了真实反应企业的财务状况和经营成果。因此，当有关法规对被审计单位存在特别的要求，或者企业存在可由管理当局自主决定处理的会计事项时，审计人员应从严确定审计重要性水平。

3.审计项目。对于不同的审计项目，要有不同的重要性标准。审计人员应对数额高、波动幅度大、会计报表使用者比较关心的项目，从严制定重要性水平。

4.错误的.性质。如果错误的性质严重，即使错误的金额较小，也应看作是重要的错误。例如，现金短缺800元，如果短缺是由于盘点差错引起的，则属于不重要错误；如果短缺是由于出纳监守自盗引起的，则属于重要错误了。因为故意的错误说明管理不善，而管理不善往往隐含着更严重的 问题 。可能引起严重后果的错误，是要看作重要错误的。

5.会计报表各项目的性质及相互关系。会计报表项目的重要程度是有差别的。一般而言，会计报表使用者更关心流动性较高的项目，审计人员应对此从严制定重要性水平，由于会计报表之间是相互联系的，因此在制定重要性水平时，必须考虑这种相互联系。

6.内部控制与审计风险的评估结果。由于被审计单位建立的内部控制存在固有的限制，这就要求审计人员必须注意内部控制对审计的影响。如果内部控制比较健全，可依赖程度高，可以将重要性水平定得高一些，以节省审计成本；反之，应把审计重要性水平定得低一些，以保证审计的质量。由于重要性与审计风险呈反方向关系，如果审计风险评估为高水平，则意味着重要性水平较低，此时应收集较多的审计证据，以降低审计风险。

参考文献 ：

[1]葛家澍等著。会计大典。第十卷，1999年。

[2]石爱中等著。审计 研究 ，2002年。

[3]罗伯特。K.莫茨（美国）等著。审计 理论 结构，1990年。

[4]财政部。审计，2004年。

审计费用的研究在国外始于20世纪80年代初。Simunic（1980）首次构建了审计收费定价模型，运用多元线性回归模型分析了1977年美国377家上市公司的包括审计费用在内的数据，考察了可能影响审计收费的10大因素，发现上市公司的资产规模是决定审计收费的最重要因素，虽然我国对于审计费用的研究起步较晚，但也涌现出许多成果，大部分都集中于影响因素的研究。本文的目的就是以 Simunic 模型为基础，建立一个检验我国上市公司审计收费影响因素的回归模型，并据此对我国审计收费影响因素及其含义进行判断和分析。

一、研究假设和模型设计

（一）研究假设

根据上文的文献回顾，学者们大都认为被审计单位的规模是影响审计费用的最主要因素，在美国，公司规模对审计收费的解释力度可以达到50%以上，这种影响力在我国市场中也是不容忽视的。在其他条件相同的条件下，上市公司的规模越大，其经纪业务和会计事项就越多，建立的内部控制体系也会更加复杂，其固有风险和控制风险也可能越高，注册会计师需要相应地增加内部控制测试范围和实质性测试范围，这必然会导致审计工作量的增加和审计费用的提高。据此，我们提出以下假设：

假设1：在其他条件相同的前提下，被审计的上市公司规模与审计费用正相关。

审计风险一直被认为是影响审计费用的重要因素。审计风险越高，会计师事务所发表审计意见后面临的被证监会和证券交易所处罚的可能性就越大，遭受损失的可能性就越大，审计费用也就越高，

本文选取了存货周转率、应收账款周转率、流动比率、资本负债率、净资产收益率等作为审计风险的衡量指标。其中，我们预测存货周转率与应收账款周转率与审计费用负相关，因为存货与应收装款愈多，注册会计师进行盘点和函证的工作量越大，占用的审计资源就越多，审计的复杂程度更高，审计风险也会相应增加。同时，我们预测流动比率、资本负债率与审计费用负相关，两者越高，公司的偿债能力越强，偿债压力越小，审计风险也就较小，审计费用相应较低。净资产收益率与审计费用负相关，以为该指标越低说明公司面临的管制风险越大，进行盈余管理的可能性越大，审计风险增加，审计费用就相应的增加。根据上面的分析我们提出以下假设：

假设2：在其他条件相同的前提下，聘请“四大”会计师事务所对上市公司进行审计，审计费用相对较高。

二、研究样本与实证结果

（一）研究样本

本文以公布2007年至2010年年度财务报告的深沪两地A股上市公司为研究总体，数据来自于CCER经济金融数据库，数据分析软件为SPSS。为了确保研究的意义和精确性，在选择2007年至2010年的数据为样本时，我们进行了如下剔除：

1.为了体现数据的连续性和完整性，剔除了披露不规范、不完整的上市公司数据（例如未披露审计费用）

2.剔除了从CCER经济金融数据库收集不到的有关审计和财务数据的上市公司。

3.为了体现一般审计费用规律，剔除了被ST、PT的上市公司。

4.剔除了金融类上市公司。

根据以上标准，我们共筛选出4748组符合条件的上市公司数据。

（二）实证结果

1.描述性统计

a.存在多个众数。显示最小值

从中我们可以看出审计费用的均值较大，而标准差为，说明取对数后的审计费用在各上市公司之间的差距较大;总资产取对数后均值为，数值也很大，说明我国上市公司的规模较大;ROE的均值较小，但极大值，极小值，可见ROE在我国上市公司间的差距比较明显，我国上市公司的盈利水平存在比较大的差距。在我们分析的所有数据中，获得标准无保留意见的财务报告占79%，说明大部分上市公司的财务报告都得到了注册会计师的肯定;而聘用“四大”作为审计事务所的上市公司只占到5%，说明大部分上市公司为了以较低的审计费用获得令自己满意的审计意见，通常会聘请“四大”以外的会计师事务所对其进行审计。

2.相关性分析。我们选择了与审计费用相关的八个变量就他们对审计费用的影响程度进行研究，列示了各变量之间的Pearson相关系数及其显著性，其中剔除了Big4与Opinion两个品质型变量。

3.主成分分析。我们将数量型数据进行标准化，利用SPSS对上述8个解释变量进行主成分分析，对于初始特征值，前五个变量的累积解释程度达到了，而进行旋转后的变量成分解释程度有所降低，但是前五个变量仍然能够达到。旋转成分矩阵的结果并不十分理想，不能筛选出我们需要的数据。

三、研究结论及不足

本文对影响审计费用的因素进行了初步探讨，通过上面的实证研究，我们发现上市公司规模、审计风险、审计会计师事务所以及审计报告意见是影响审计费用的主要因素，他们对审计费用的决定作用不容忽视，其中上市公司规模和审计事务所的作用更加明显。“四大”会计师事务所的审计收费相比我国国内的其他会计师事务所而言要高很多，这不利于我国国内会计师事务所的发展。

结束语：同时，本文在研究中也存在一些局限性：第一，本文并未考虑审计事务所变更和上市公司子公司数量对审计费用的影响。以前的学者上市公司子公司数量会影响审计复杂程度，从而影响审计费用。本文认为，审计的复杂程度可以通过上市公司规模或者周转率等财务指标衡量，因此未进行考虑;第二，没有考虑上市公司行业在审计费用方面的区别。这些因素可能对本文的研究结果带来一定的影响。