线上销售与审计调整.pdf

103审计研究2023年4期线上销售与审计调整张艺民刘嫣然吴联生【摘要】线上销售是企业实现转型升级的重要手段。本文以我国消费行业上市公司为样本，研究线上销售对审计调整的影响。研究结果表明，企业线上销售程度越高，审计师审计调整的幅度越小；审计调整程度的降低主要为向下审计调整程度的下降，而向上审计调整程度没有明显变化。同时，审计师对线上销售程度较高的客户公司也降低了审计收费。进一步研究发现，线上销售比例较高的客户公司，其审计前盈余质量和审计后盈余质量都显著更高；Wind线上销售数据的披露放大了线上销售对于审计调整的降低效应。此外，线上销售降低审计调整的效应主要体现在具有丰富经验或具有职业怀疑特征的审计师所审计项目之中，以及内部治理较好的客户公司之中。本文的结论有助于利益相关者理解线上销售对资本市场信息环境以及审计师行为的影响。【关键词】线上销售大数据审计调整审计风险一、引言电子商务作为数字经济和实体经济深度融合的重要结晶，引发了生产模式、流动模式、消费模式的深刻变革，在推动经济高质量发展中发挥着重要作用。淘宝、京东等线上销售平台崛起，带动了我国电子商务行业的高速发展。从2 0 13年起，我国的网络零售市场规模超过美国，成为全球第一。根据国家统计局数据，2 0 2 1年我国网上零售额达13.0 9 万亿元，其中实物商品网上零售额达到10.8 0 万亿元，占社会消费品零售总额的比重为2 4.5%。鉴于线上市场在我国消费市场中日益重要的地位，线上销售已成为我国企业践行“互联网+”战略、实现突破升级的一种重要方式，甚至部分消费行业的公司，其线上销售额已经超过了线下销售额。线上销售改变了企业自身的运营方式与交易规则，节省了客户的搜寻成本（孙浦阳等，2 0 17），突破了市场分割（马述忠和房超，2 0 2 0），并提高了企业的资源利用效率（罗超平和胡猛，2 0 2 1）。一般认为，公司管理层比外部人拥有更多有关公司的信息，而这种信息不对称所引发的“摩擦”（f r i c t i o n）是公司治理研究的核心内容（Jensen，19 8 6）。然而，信息技术的进步使得以前无法收集的数据能够留存和使用，催生了另类数据，正在改变着传统的信息不对称范式（Peng和He，2 0 2 1）。由于体量大、更新速度快、结构多样，另类数据属于典型的“大数据”，它主要包括以下三种类型：（1）个人用户产生的数据，例如社交媒体信息、产品评价等；（2）商业过程数据，例如支付数据、物流数据等；（3）传感器数据，例如卫星数据、车辆轨迹数据等。另类数据和传统数据相互补充，一起组成数字经济时代的生产要素。当公司管理层还在等待各部门与各分支机构上报数据时，另类数据可能已经先于管理层被外部人捕获和处理。另类数据不仅有助于外部人预测企业的未来业绩和股票收益（Froot等，2 0 17；Agarwal等，2 0 2 1），还能便于其监督管理层的行为，从而缓解委托代理问题（Zhu,2019）。线上销售平台生成和积淀了大量的实时交易数据，是另类数据的一个典型代表。线上销售数据丰富了资本市场的信息集，向资本市场及时地传递了更多与公司价值有关的信息（廖理等，2 0 2 1；张然等，2 0 2 2），提升了分析师预测质量（刘运国等，2 0 2 2）。同时，线上*张艺民，北京大学光华管理学院，邮政编码：10 0 8 7 1，电子信箱：；刘嫣然，中国人民大学商学院，邮政编码：100872，电子信箱：v_；吴联生（通讯作者），南方科技大学商学院，邮政编码：518 0 0 5，电子信箱：。本文得到国家自然科学基金（项目批准号：7 19 32 0 0 1）的资助。104审计研究2023 年 4 期销售数据使得投资者了解到企业更多的经营信息，降低了投资者和管理层之间的信息不对称程度，从而可以帮助投资者更好地监督管理层，进而减少公司内幕交易并提高公司投资效率（Zhu，2 0 19）。审计师是公司会计信息的鉴证者，是资本市场的“看门人”。审计师需要对客户公司的财务报告质量做出恰当的评判。在大数据时代，面临客户公司的销售模式从线下到线上的转变，审计师会作出怎样的反应呢？一方面，审计师可能会认为客户公司线上销售程度的提高会降低盈余操纵风险。通过大数据抓取和分析技术，线上销售信息已经被资本市场捕获和处理。由于部分盈余信息已通过线上销售传递给外界，利益相关者据此可以更有效地参与对管理层的监督，管理层进行盈余管理的难度和成本加大。线上销售程度越高，线上销售数据就越能反映企业销售活动的全貌，这使得根据线上销售数据对管理层进行监督的效果越好，管理层操纵盈余的可能性越低。因此，审计师可能降低对线上销售程度较高的客户公司的财务报表进行调整的程度，即客户公司线上销售程度越高，审计调整程度越低。另一方面，线上销售数据也为利益相关者评判审计质量提供了新的线索，审计师所感知的外部监督压力加大，对线上销售程度较高的客户公司反而可能会增加审计调整。因此，审计师对客户公司线上销售程度会作出如何反应，是一个尚待实证检验的问题。本文利用中国消费行业2 0 15-2 0 2 0 年的电商销售数据，研究企业线上销售对审计调整的影响。研究结果表明，公司线上销售比例越高，审计师进行审计调整的程度越低；审计调整程度的降低主要为向下审计调整程度的下降，而向上审计调整程度没有明显变化。同时，审计师对线上销售比例较高的客户公司降低了审计费用。进一步研究发现，线上销售比例较高的客户公司，其审计前盈余质量和审计后盈余质量都显著更高；Wind线上销售数据的披露后，线上销售对于审计调整的降低效应更高。本文研究还发现，线上销售降低审计调整的效应主要体现在具有丰富经验或具有专业怀疑特征的审计师所审计的项目之中，以及代理冲突较弱的客户公司之中。本文的研究具有如下两方面的贡献：（1）本文研究了线上销售对审计师行为的影响。已有文献主要探讨线上销售的信息含量和预测价值（廖理等，2 0 2 1；张然等，2 0 2 2；刘运国等，2 0 2 2），初步关注到线上销售的治理作用（Zhu，2 0 19；L i 和Liu，2 0 2 2）。审计师对客户公司的财务报告提供鉴证，本文发现客户公司线上销售比例越高，审计调整幅度越小，表明审计师将线上销售的治理作用体现到了审计工作之中，从而进一步提供了线上销售数据具有治理作用的证据。（2)本文从线上销售的角度拓展了审计调整的影响因素。已有文献探讨了审计师特征（He等，2 0 18）、审计师与客户公司的关系（邢秋航等，2 0 2 0）以及客户公司基本特征对审计调整的影响，尚未有研究大数据对审计调整的影响。本文从线上销售的角度，探索了另类数据对审计调整的影响，发现另类数据与审计师的审计工作之间存在替代关系。二、文献回顾和假设提出（一）文献回顾大数据（另类数据）是近年来金融和会计领域所关注的重点话题，已有文献主要关注大数据的信息含量问题，并发现另类数据具有一定的信息含量，特别是与消费者行为有关的另类数据对于企业未来业绩和股价的预测具有重要价值（Zhu，2 0 19；廖理等，2 0 2 1）。因此，利用线上销售等大数据中的信息构建投资组合，投资者可以获得超额股票回报（张然等，2 0 2 2）。另外，已有研究也初步关注到另类数据的治理作用，并发现线上用户消费交易数据等另类数据可以降低外部人和管理层之间的信息不对称，便于外部人加强对管理层的监督，减少公司内幕交易，提高公司投资效率（Zhu，2 0 19），并提高信息披露质量（Li和Liu，2 0 2 2）。与上述文献不同，本文关注另类数据对审计师行为的影响问题。目前很少有文献研究大数据对审计师行为的影响。唯一例外的是杨德明等（2 0 2 0），他们发现客户公司对于大数据、区块链等信息技术的应用会导致审计师收取更高的费用。杨德明等（2 0 2 0）关注的是客户公司运用大数据技术对审计师行为的影响，而本文关注的企业外部人搜集和处理客户公司通过线上销售产生的另类数据而引发的审计师反应，两者具有本质区别。105审计研究2023.年4期已有审计师行为方面的研究，大多数以审计后的财务报表为研究对象，无法干净地分离出客户公司以及审计师各自对会计信息质量的影响（DeFond和Zhang，2 0 14）。例如，已有研究发现，国际“四大”会计师事务所所审计的客户具有更高的会计信息质量（DeAngelo，19 8 1），但这一现象是由于国际“四大”选择的客户在审计前具有较高的会计信息质量导致，还是由于国际“四大”提供了高质量的审计服务导致，根据审计后的会计信息质量指标判断无法得到确切的答案（DeFond等，2 0 17）。对此，近年来一部分研究开始采用审计调整数据，将审计调整行为和审计前会计信息质量予以分离，从而得到更干净可靠的研究结论（Lennox等，2 0 18；宋云玲和宋衍，2 0 2 0）。不同于以往文献使用审计后的会计信息质量指标（Li和Liu，2 0 2 2），本文以审计调整为研究对象，从而可以直接分离出线上销售对审计师行为的影响。（二）假设提出审计调整是审计工作的关键结果，它反映了审计师对客户公司提供的会计信息出现重大错报或漏报的判断（宋云玲和宋衍，2 0 2 0）。作为会计信息质量的鉴证者，审计师需要全面了解客户公司及其所处环境，从而客观地评估客户公司的重大错报风险。当察觉到客户公司具有较低的盈余管理动机和规范的信息披露行为时，审计师会认为客户公司具有较低的重大错报风险，因而不需要增加额外的投入，也不必出具严格的审计结果（Greiner等，2 0 17）。对于线上销售程度较高的客户公司而言，更多的销售交易会在财务报表正式披露之前就被投资者所获取。因而，线上销售可以降低投资者和管理层之间的信息不对称程度，约束了管理层的机会主义行为（Zhu，2 0 19），特别是制约了盈余管理行为，提高了会计信息质量（Li和Liu，2 0 2 2）。据此，我们认为，如果审计师能够适应客户公司的线上销售新业态，准确地认识到线上销售在提升客户公司透明度方面所发挥的积极作用，那么，他会减少对客户公司的审计调整。据此，提出以下假设：假设la：客户公司的线上销售能够降低审计调整。然而，线上销售也为利益相关者评判审计质量提供了新的线索，可能增加审计师所感知的外部压力审计师需要对财务报告质量提供合理保证，一旦发生审计失败，审计师将面临行政处罚并遭受声誉损失（He 等，2 0 16）。由于线上销售数据的真实性较高，一旦存在审计失败行为，则很容易被发现，特别是专业的机构投资者以及分析师具有深度处理大数据的能力（刘运国等，2 0 2 2），他们更有可能通过分析线上销售大数据识别出审计失败。可见，面对线上销售程度较高的客户公司，审计师可能会感知到更大的外部压力，从而进行更多的审计调整。因此，提出以下对立研究假设：假设1b：客户公司的线上销售能够提高审计调整。三、回归模型与样本为了检验假设1a和假设1b，构建如下固定效应回归模型：1djust=+,Online+Controls+Fixedeffect+8.被解释变量为审计调整程度（Adjust），它等于I审计调整数额/调整前利润I（L e n n o x 等，2 0 2 0）。解释变量为线上销售程度（Online），它等于公司在电商平台开设的直营店、旗舰店经营所获得的年销售收入占公司总营业收入的比例（廖理等，2 0 2 1）。线上销售额占公司总营业收入比例越高，表明线上销售数据在反映公司实际经营状况方面的准确性就越高（廖理等，2 0 2 1）。借鉴以往文献（Lennox等，2 0 18），模型（1）控制了如下变量：（1）公司规模（Size），它等于公司总资产（万元）的自然对数；（2）子公司数量（lnSUBS），它等于子公司数量的自然对数；（3）资产负债率（Leverage），它等于负债总额除以资产总额；（4）流动比率（C u r r e n t），它等于流动资产除以流动负债；（5）期末存货（INV），它等于存货除以总资产；（6）盈利能力（RO A），它等于净利润除以总资产；（7)是否亏损（Loss），如果净利润为负数，那么Loss取1，否则Loss取O；（8）产权性质（SOE），如果客户公司是国有企业，那么SOE取1，否则SOE取O；（9）董事会规模（Boardsize），它等于董事会总人数的自然对数；（10）独立董事比例（Indboard），它等于公司独立董事人数除以董事会总人数；（11）两职合一（Duality），如果公司董事长兼任总经理，则Duality等于1，否则Duality等于0；（12）大106审计研究2023 年 4 期股东控制（Top1），它等于第一大股东的持股比例；（13）分析师跟踪（Analyst），如果公司至少有一个分析师跟踪，则Analyst取1，否则为0；（14）审计师任期（Tenure），它等于会计师事务所当前连续审计该客户公司的年数；（15）客户重要性（CI），它等于会计师事务所对该客户公司的审计收费占该所全部上市公司审计收费的比例。另外，模型（1）还控制了年度固定效应、会计师事务所固定效应和客户公司固定效应。审计调整数据来自于财政部数据库，电商销售数据来自于WIND数据库，其他财务数据均来自于CSMAR数据库。由于WIND数据库从2 0 15年才开始系统性地收集我国消费行业的线上销售数据，因此，本文选择我国消费行业的上市公司作为研究样本，并且样本期间起始于2 0 15年。另外，由于审计调整数据截止于2 0 2 0 年，因此，本文的全部样本区间为2 0 15年至2 0 2 0 年。本文对WIND数据库中的2 0 15-2 0 2 0 年我国消费行业10 8 5个线上销售数据进行如下处理：（1）删除2 3个ST、PT 以及资不抵债的客户公司；（2）删除451个审计调整数据缺失的样本；（3）剔除6 4个其他数据缺失的样本；（4）删除2 6 个样本期间内仅有一个年度观测值的客户公司，以满足控制客户公司固定效应的需要。经过上述程序，最后得到52 1个公司年度观测值。为了避免极端值的影响，对所有的连续变量在1%水平上进行了缩尾处理表1报告了描述性统计结果。Adjust平均值为0.0 43，表明审计师对客户公司利润的审计调整程度约占审计前利润的4.3%。0 nline的平均值为0.0 9 5，表明平均而言客户公司线上销售额占总营业收入的比例是9.5%；最小值和最大值分别为0.0 0 1和0.6 56，表明不同公司在线上销售程度上存在着较大的差异。Loss的平均值为0.0 9 2，表明有9.2%的客户公司-年度存在着业绩亏损。S0E的平均值为0.32 1，表明样本内有32.1%的客户公司是国有企业。Duality的平均值为0.336，表明在33.6%的样本中，董事长与总经理两职合一。CI的平均值为0.0 0 9，表明平均而言会计师事务所向客户公司收取的审计费用占会计师事务所全部上市公司收费总和的0.9%。表1描述性统计变量样本数平均数标准差最小值中位数最大值Adjust5210.0430.1250.0000.0000.919Online5210.0950.1300.0010.0460.656Size52113.2321.08911.18113.04816.746InSUBS5212.5331.2450.0002.6395.176Leverage5210.3770.1690.0800.3580.784Current5212.3451.7200.5761.76212.282INV5210.1550.1010.0120.1310.475ROA5210.0640.074-0.2100.0620.228Loss5210.0920.2890.0000.0001.000SOE5210.3210.4670.0000.0001.000Boardsize5218.5341.6385.0009.00014.000Indboard5210.3830.0670.3000.3640.625Duality5210.3360.4730.0000.0001.000Topl52137.04714.6939.98035.71076.220Analyst5210.8480.3590.0001.0001.000Tenure5216.1864.1381.0005.00019.000CI5210.0090.0140.0010.0040.070四、回归结果（一）基础回归结果表2 检验了线上销售对审计调整的影响。回归结果进行了客户公司层面聚类稳健标准误调整，第（1）列107审计研究2023年4期控制了年份、客户公司以及会计师事务所固定效应，第（2）中进一步控制了其他控制变量。结果表明，Online的估计系数分别是-0.333和-0.2 8 6，在1%的水平上显著，说明审计师对线上销售比例较高的客户公司所进行的审计调整程度越低。也就是说，线上销售大数据对客户公司发挥了治理作用，从审计师的角度来看，线上销售比例较高的客户公司所具有的操纵盈余的风险较低，因此，审计师进行的审计调整程度较低。在控制变量方面，Current的系数显著为负，表明客户公司的短期偿债能力越强，审计师对其利润进行调整的程度越低；INV的系数显著为正，表明期末存货较多的企业，审计风险更高，审计师对其进行审计调整的程度更大；Tenure的系数显著为正，这表明随着会计师事务所审计客户的年限增加，审计师对客户公司的了解随之增加，审计质量也更高；CI的系数显著为正，表明审计师对重要客户保持了独立性，进行了更多的审计调整。表2线上销售与审计调整：基础回归AdjustAdjust变量变量(1)(2)(1)(2)Online-0.333*(-2.87)-0.286*(-3.03)Duality0.015(0.49)Size0.066(1.64)Topl0.001(1.10)InSUBS0.003(0.56)Analyst-0.003(0.09)Leverage0.156(-1.32)Tenure0.011*(3.32)Current-0.014*(-2.06)CI2.001*(2.38)INV0.356(1.75)截距项0.080*(2.06)-0.905(-1.66)ROA-0.436*(-2.21)年份固定效应是是Loss-0.057(-1.01)会计师事务所固定效应是是SOE0.102(-1.57)客户固定效应是是Boardsize0.001(0.18)观测值521521Indboard0.317(1.00)调整R?0.1280.145注：括号内为t统计值，采用客户公司层面聚类稳健标准误；*、*和*分别表示在1%、5%和10%水平上显著；下同（二）稳健性检验1.替换解释变量的度量方式借鉴刘运国等（2 0 2 2）的做法，采用线上销售额与财务报告营业收人相关性（Relevance）作为客户公司线上销售程度的替代指标。Relevance是Wind数据库提供的线上销售额与营业收人的相关系数，数值越大，表明线上销售额与财务报表上的营业收人的相关性越强。回归结果如表3第（1）列所示，可以发现，Relevance的系数在5%的水平上显著为负。因此，更换线上销售的度量指标没有改变本文的结论。表3线上销售与审计调整：稳健性检验AdjustAdjust_DumOnlineAdjust变量(1)(2)(3)(4)Relevance-0.021*(-1.96)Online-0.726*(-2.20)-0.103*(-2.33)Online_Ind1.061*(14.86)MI-0.060*(-2.98)Size0.075(1.80)0.019(0.13)-0.010(2.29)0.006(-0.79)InSUBS0.002(0.41)-0.035(1.94)-0.002(-0.46)0.009*(2.47)Leverage0.203(-1.66)0.400(1.19)0.039(-0.77)-0.076(-1.58)Current-0.016*(-2.37)-0.007(-0.33)0.012*(2.82)-0.004(-1.19)INV0.341(1.74)0.124(0.18)0.001(0.03)0.026(-0.45)ROA-0.373(1.89)0.483(0.69)0.228(0.90)-0.438*(-2.30)Loss-0.055(-0.98)-0.108(-0.89)0.036(1.11)0.028(0.87)108审计研究2023年4期续表AdjustAdjust_DumOnlineAdjust变量(1)(2)(3)(4)SOE-0.113(-1.60)0.083(0.71)0.027(-1.79)-0.031*(-1.98)Boardsize0.002(0.27)-0.011(-0.26)0.001(0.13)-0.002(-1.03)Indboard0.359(1.16)-0.168(-0.26)0.085(0.54)0.110(1.77)Duality0.015(0.48)-0.038(-0.51)-0.028*(-3.25)0.032*(2.02)Top10.002(1.27)0.001(0.37)0.001(0.56)0.001(-1.05)Analyst0.001(0.03)0.013(0.16)0.010(0.58)-0.000(-0.01)Tenure0.011*(3.10)0.020(1.67)-0.001(-0.36)0.000(0.16)CI2.011*(2.24)7.017(1.73)-0.304(-1.02)0.264(0.75)截距项-1.046(-1.88)0.436(0.24)0.131(1.31)0.071(0.79)年份固定效应是是是是会计师事务所固定效应是是是是行业固定效应否否是是客户固定效应是是否否观测值521521521521调整R20.1430.2130.2820.1242.采用其他审计调整的度量方式参考Lennox等（2 0 2 0）的研究，我们构造是否进行审计调整的虚拟变量（Adjust_Dum）。如果审计师对公司的利润进行了调整，那么Adjust_Dum取1，否则Adjust_Dum取O。回归结果见表3第（2）列所示，可以发现，Online的系数仍然显著为负，表明更换审计调整的度量指标并没有影响本文的研究结论。3.运用工具变量法尽管在前文中，我们使用了公司固定效应模型来控制客户公司层面遗漏变量对研究结果的影响，但仍有可能存在反向因果等其他内生性问题，据此，采用工具变量法进行控制和处理。具体而言，本文采用同行业其他上市公司的线上销售额占比（Online_Ind）和上市公司所在省份的市场整合程度（MI）作为线上销售程度（Online）的工具变量。一般而言，企业的经营发展受到同行业中其他企业的影响；企业所在区域的市场整合程度越差，企业越有可能开辟和发展线上销售业务（马述忠和房超，2 0 2 0）。我们选取的以上两个工具变量在理论上满足了相关性的要求。与此同时，同行业中其他企业的线上销售活动以及所在省份的市场整合程度很难直接影响审计行为，因此，以上两个工具变量也满足外生性要求。上市公司所在省份的市场整合程度（MI）是根据毛其淋和盛斌（2 0 11）的做法计算。表3第（3）列报告了第一阶段回归结果，Online_Ind的系数为正，MI的系数为负，都在1%的水平上显著，这表明工具变量与内生变量之间具有显著的相关性；进一步地，工具变量的Cragg-DonaldWaldF值大于10，说明工具变量并不是弱工具变量。表3第（4）列报告了第二阶段回归结果，Online的系数仍然显著为负，这表明使用工具变量法控制内生性问题之后，线上销售与审计调整的负向关系仍然成立4.排除机械性关联我们发现的审计调整与线上销售之间的负向关系，可能是二者在时间上明显反向变动趋势导致的机械关联。为了排除这一可能性，我们分析了审计调整和线上销售平均值的年度变化发现，审计调整和线上销售并不存在时间上明显反向的变动趋势。因此，审计调整与线上销售之间的负向关系并不是一种机械关联。五、进一步研究（一）区分审计调整的方向我们进一步区分了审计调整的方向，分别检验线上销售对向下审计调整程度（针对增加利润所作的调109审计研究2023 年 4 期整）和向上审计调整程度（针对减少利润所作的调整）的影响。按照Lennox等（2 0 18），向下审计调整程度（A d j u s t _D o w n）等于I向下审计调整数额/调整前利润I；向上审计调整程度（Adjust_Up）等于I向上审计调整数额/调整前利润l。表4第（1）列和第（2)列分别报告了向下审计调整和向上审计调整的回归结果。Online的系数仅在第（1）列中在1%水平上显著为负，而在第（2）列中并不显著，这表明审计师降低的是向下审计调整的程度，而不是向上审计调整的程度，其原因在于客户公司向上盈余管理比向下盈余管理更普遍。表4进一步研究：区分审计调整的方向Adjust_DownAdjust _UpAdjust_DownAdjust _Up变量变量(1)(2)(1)(2)Online0.289*(-3.09)0.019(0.85)Duality0.001(0.07)0.010(0.94)Size0.042(1.53)-0.007(0.95)Top10.000(0.31)0.001(1.32)InSUBS0.006(1.20)-0.002(-1.21)Analyst-0.008(0.38)0.007(0.66)Leverage0.025(-0.35)0.003(0.05)Tenure0.008*(2.67)0.001(0.97)Current-0.008(-1.88)-0.001(-0.49)CI1.407(1.95)0.309(1.79)INV0.283(1.83)0.014(0.18)截距项-0.581(-1.52)0.048(0.57)ROA-0.245(-1.75)-0.013(-0.15)年份固定效应是是Loss-0.046(-1.10)-0.010(-0.89)会计师事务所固定效应是是SOE-0.069(-1.32)0.009(0.69)客户固定效应是是Boardsize0.001(0.10)-0.000(0.30)观测值521521Indboard0.206(0.85)0.050(1.03)调整R?0.1890.054（二）线上销售与审计前后盈余质量审计调整程度较低，可能存在如下两种情况：（1）客户公司的审计前盈余质量较高，审计师所需要进行的调整少，即“审计师认可了公司会计信息质量”；（2）客户公司的审计前盈余质量较差，但审计师未能发现或者发现了但不调整，即“审计师忽视或者默认了公司盈余操纵行为”（宋云玲和宋衍，2 0 2 0）。已有研究表明，线上销售数据可以提高会计信息质量（Li和Liu，2 0 2 2），据此我们推测，本文发现的线上销售对于审计调整的降低效应是由于“审计师认可了公司会计信息质量”导致的。为了更好地排除“审计师忽视或者默认了公司盈余操纵行为”的替代性解释，我们直接检验客户公司的线上销售程度是否提升审计前的盈余质量。借鉴Lennox等（2 0 18）的研究，运用修正Jones模型计算客户公司审计前的可操纵性应计利润（DACCPRE）。本文使用带符号的操纵性应计利润，其原因有两方面：一是在前文中，我们已经发现审计师对线上销售程度高的客户公司降低了向下审计调整程度，但向上审计调整程度没有受到影响，因此，考虑到审计调整具有方向性，我们使用带符号的操纵性应计利润；二是回归中运用带符号的应计利润优于取绝对值的应计利润，因为取绝对值的应计利润更可能受到模型中的遗漏变量问题的影响。表5第（1)列报告了线上销售程度对审计前盈余质量影响的回归结果。可以看到，Online的系数在5%的水平上显著为负，说明客户公司的线上销售程度越高，越不可能进行向上盈余管理，审计之前盈余质量更高。这与前文的结论相一致，审计师察觉到线上销售程度较高的客户公司的审计风险更低，其所进行的审计调整程度也更小，特别是降低了向下审计调整的程度此外，我们还检验了线上销售对审计后盈余质量的影响，运用修正Jones模型计算出客户公司在审计后的可操纵性应计利润，表5第（2）列报告了回归结果。Online的系数仍然显著为负，这表明线上销售程度越高的客户公司，其审计之后的盈余质量也越高表5进一步研究：线上销售与审计前后盈余质量DACC_PREDACC_AUDDACC_PREDACC_AUD变量变量(1)(2)(1)(2)Online-0.195*(-2.07)-0.166(-1.77)Duality0.008(0.83)0.010(0.97)110Adjust=o+审计研究2023 年 4 期续表DACC_PREDACC_AUDDACC_PREDACC_AUD变量变量(1)(2)(1)(2)Size0.003(0.22)-0.002(-0.12)Topl0.001(0.62)0.001(0.90)InSUBS-0.002(-0.53)-0.003(0.55)Analyst0.010(-0.78)-0.012(-0.97)Leverage-0.074(-1.19)-0.066(-1.07)Tenure0.003(0.59)0.003(0.52)Current-0.003(-0.71)0.003(-0.77)CI0.537(-0.68)0.734(-0.93)INV0.246*(2.56)0.232*(2.42)截距项-0.017(0.09)0.034(0.17)ROA0.333*(3.16)0.390*(3.70)年份固定效应是是Loss0.003(0.19)0.006(0.35)会计师事务所固定效应是是SOE-0.009(-0.27)-0.004(-0.10)客户固定效应是是Boardsize0.000(0.06)0.000(0.11)观测值351351Indboard-0.150(-1.32)-0.141(-1.25)调整R20.1800.155（三）Wind线上销售数据披露的影响Wind在2 0 18 年12 月正式推出了“线上销量”数据产品。由于Wind资讯覆盖了中国超过9 0%的专业投资者，Wind线上销售数据产品的推出可以视作是线上销售数据的广泛披露，可以降低外部人对于线上销售数据的搜集和处理成本，进一步发挥出线上销售对会计信息质量的提升效果（Li和Liu，2 0 2 2），从而可能会放大线上销售对于审计调整的降低效应。为此，我们进一步检验线上销售对注册会计师审计调整决策的影响是否会因为Wind线上销售数据的披露而有所变化。运行检验模型（2）：,Online xPost+,Post+,Online+Controls+Fixedtrols+Fixed effect+c.（2）其中，Post为Wind线上销售数据是否披露的虚拟变量，如果样本在2 0 18 年及之后，那么Post取1，否则取O。如果，显著为负，那么Wind线上销售数据的披露就额外影响了审计师对于线上销售的风险判断。表6 报告了回归结果。与主结果一致，Online的系数显著为负，这表明线上销售可以降低审计调整；OnlinePost的系数显著为负，这表明在Wind线上销售数据的披露后，审计师根据线上销售程度进一步降低了审计调整。表6 进一步研究：Wind线上销售数据披露的影响变量Adjust变量Adjust变量AdjustOnlinex Post-0.112*(1.97)ROA-0.424*(-1.97)Tenure0.013(1.57)Online-0.230*(-2.21)Loss0.058(-1.16)CI2.043(1.64)Post0.032(1.09)SOE0.077(-0.88)截距项-0.668(-1.60)Size0.046(1.61)Boardsize0.002(0.23)会计师事务所固定效应是InSUBS0.010(1.61)Indboard0.275(1.17)客户固定效应是Leverage0.132(-1.14)Duality0.017(0.82)观测值521Current-0.012(-1.51)Topl0.002(0.87)调整R?0.143INV0.344(1.73)Analyst,-0.002(-0.09)（四）线上销售与审计费用除了审计调整决策可以反映审计师视角下的会计信息质量之外，审计师向客户公司收取的费用也是审计师对客户公司的审计风险所作判断的重要体现。审计项目的审计风险越高，审计师可能会增加审计投入来降低审计风险，也可能通过额外收取风险溢价进行补偿，但这两种应对方式都会提高审计费用（王西子和吴联生，2 0 2 1）。因此，如果审计师认为线上销售程度较高的客户公司具有较低的审计风险，那么审计师也会因此降低审计收费，故我们直接检验线上销售对审计费用的影响。审计费用（Fee）等于审计师向客户公司收取审计费用的自然对数，表7 报告了回归结果。可以看到，Online的系数显著为负，表明线上销售程111审计研究2023 年 4 期度更高的客户公司，其审计费用更低。因此，从审计收费的角度，审计师认为线上销售程度更高的客户公司具有较低的审计风险。表7 进一步研究：线上销售与审计费用变量Fee变量Fee变量FeeOnline-0.925*(-2.07)SOE0.146*(2.53)CI16.141*(2.94)Size0.300*(6.43)Boardsize0.004(-0.52)截距项10.141*(17.11)InSUBS-0.000(-0.04)Indboard-0.519*(-2.42)年份固定效应是会计师事务所固Leverage0.034(0.16)Duality0.041(1.68)是定效应Current0.015(1.79)Top10.003(-1.36)客户固定效应是INV0.322(0.82)Analyst0.023(1.04)观测值521ROA0.286(-0.66)Tenure-0.007(-0.82)调整R20.577Loss0.030(0.53)（五）截面差异检验：项目负责审计师的特征审计风险判断的主体是个人审计师。特别是项目负责审计师在审计业务中发挥着重要的作用（Gul等，2013），他的执业经验和性格特征可能直接影响其对客户公司线上销售业务的风险判断和审计调整决策。审计师经验越丰富，审计师的专业能力也越强（Gul等，2 0 13），更能适应客户公司的线上销售新业态并对审计风险做出恰当的判断；此外，具有专业怀疑能力的审计师对审计风险的感知更敏感（He等，2 0 18），更有可能对客户线上销售模式的风险做出准确的判断。根据项目负责审计师取得注册会计师资格年数的平均值，将样本分为“高经验”和“低经验”两组；根据项目负责审计师是否在经济低迷的年份进人注册会计师行业（He等，2 0 18），将样本分为“高怀疑能力”和“低怀疑能力”两组。分别运用以上子样本，重新运行模型（1），表8 报告了回归结果。可以看到，Online的系数在“高经验”和“高怀疑能力”组中显著为负，而在“低经验”和“低怀疑能力”组中不显著，Online的系数在两两组间具有显著差异。以上结果表明，线上销售降低审计调整的效应，在具有丰富经验的审计师和具有专业怀疑能力的审计师所审计的项目中更为明显（六）截面差异检验：客户公司内部治理水平客户公司的内部治理机制也影响着审计师的风险判断和审计调整决策。那么，线上销售对注册会计师审计调整决策的影响是否会根据客户公司内部治理水平的差异而有所不同呢？我们认为存在两种可能：当客户公司具备良好的内部治理机制时，线上销售大数据才能够发挥治理作用，从审计师的视角来看，客户公司的会计信息质量得到进一步提升，因而审计师会进一步降低审计调整；当然，也有可能是，客户公司具备良好的内部治理机制时，线上销售大数据已经没有发挥治理作用的空间，从审计师的视角来看，客户公司的审计风险没有显著变化，进而审计调整并不会因此而改变。我们从两职合一、第一大股东持股等角度来度量客户公司的内部治理水