随着信息化审计时代的到来,科学技术及科学方法的运用,能够帮助注册会计师采取更为科学和先进的审计手段来对被审计单位的财务报告进行审计鉴定,从而提高审计工作的效率,进而保证审计监督工作的质量。而对财务数据质量的分析,不仅是注册会计师查找舞弊的有效切入点,同时也为其确定可疑分析区域提供最为直接的证据。常用的财务数据质量分析方法有财务评价指标体系以及数理统计方法。前者运用财务指标之间的逻辑关系来寻找异常点,后者则从数理统计的角度对财务数据进行分析。数学科学的完善和发展,使得人们将所观察到的数学规律联系并应用到其他各学科领域。Benford定律即是这样一个奇妙而有趣的数字规律。1935年,美国物理学家Frank-Benford发现,在有相当多的样本数据情况下,在同一数位上,数据中以1为首的数字出现的频率并不总是为1/9,而是30.1%。而以2为起始的数字出现的频率是17.6%,越往后,数字越大,则出现的频率越少,数字9出现的频率只有4.6%。他还发现各个完全不相同性质的数据,比如棒球统计表、物理化学常数、死亡率、人口等系列数字中均存在这个现象。他将这一不可思议的数字规律命名为Benford定律(即奔福德定律)。在这之后,很多学者都对奔福德定律进行了研究,并将其用于各行各业的数据分析,而在财务领域的研究证明了奔福德定律在舞弊审计方面的适用性。这提示了我们可以将奔福德定律引进用于财务数据质量的分析。然而,奔福德定律的运用有其局限性。第一,符合奔福德定律的数据要符合一定的条件；第二,所检测的数据若符合奔福德定律的频率分布,也不能说明其一定不存在数据质量的问题；第三,对于大规模大样本的数据,奔福德定律无法确定哪个具体时间点及位置上的数据存在问题；第四,奔福德定律的运用仅可为注册会计师提供可疑的数据点,并不能进一步证明其舞弊的可能性。在数理统计学中,面板数据是指N个不同对象在T个不同时期被观测的数据。而面板模型则可以将纵截面和横截面上的数据进行综合,并通过模型的设定和回归方法来判断因变量与自变量之间的关系。如果模型拟合较好,那么对于那些偏离模型的点,则可以认为是异常点。对于这些异常点,需要进行进一步地分析,以确定其是否真实存在质量问题。基于对奔福德定律和面板模型的认识,本文的研究将奔福德定律与面板模型相结合来检验发现异常数据区域,并根据实际情况,来验证此种方法在发现舞弊和违法违规财务数据上的适用性和可靠性。这样不仅可以在很大程度上解决奔福德定律的局限性,也可能探索出一种更有效地发现违法违规财务数据的方法。本文的研究意义体现在：从理论上来说,国内对财务数据质量的数理统计分析多集中于奔福德定律的应用,未将其与其他统计方法结合使用。而实际上,将奔福德定律与面板模型相结合运用,可以解决舞弊审计中寻找舞弊的切入点及认定证据之间的矛盾,从而提高数据质量检测结果的可靠性。如果能够通过本文的研究,探索出两者结合应用的实际方法和效果,这将弥补我国理论界在财务数据质量特征研究方面运用面板模型的空白,从而可以进一步完善舞弊审计的研究体系。从实务意义来说,审计师仅运用奔福德定律对财务数据进行检测分析,仅能够得到有限程度的保证,不能十分确定数字的可疑性。同时,对于大规模样本的测试,审计师在很多情况下需要了解和知道是哪一个具体的时间点和位置上的数据出现了问题,也就是确定舞弊嫌疑数据的坐标点。因此,将奔福德定律和面板模型相结合来检测数据质量,可以为审计师提供更为可靠和精确的检测方法。从这个角度来说,本文的研究对实务领域审计工作的开展具有一定的指导意义。论文的主体结构与内容如下：第一部分为导论,主要阐述选题的背景及论文研究的意义,并对文章整体的框架内容进行概括性地介绍,同时说明研究的思路及方法,并对论文的创新及不足之处进行自我评述。第二部分为文献综述,在查阅了国内外有关奔福德定律和针对财务数据质量特征所做的相关文献和资料的基础上,对研究现状进行梳理和记录,了解该领域的研究状况和动态,为后续的探究提供理论依据。第三部分阐述奔福德定律和面板模型的基本理论与思想。对于前者,从其历史发现、公示定律、数学证明、应用领域、局限性等方面进行论述；对于后者,论述其应用思想以及如何与奔福德定律相结合以发现可疑财务数据。把奔福德定律和面板模型相结合来发现财务问题数据的主要方法是：(1)对样本中的各财务指标数据进行奔福德定律的测算,得出其首位数字的频率分布；(2)将所得到的首位数字频率分布与奔福德定律进行比较,进行统计学检验,找出可能存在质量问题的财务指标数据；(3)运用面板模型对可能存在质量问题的财务指标数据进行进一步地分析,找出具体时间和位置上的样本数据点；(4)查阅证监会、财政部等相关网站,将面板模型中找出的可疑样本点与实际情况相对比。若在所测的时间范围内,样本数据点上的公司确实存在财务会计信息违法违规事项或者舞弊行为,则可以认为此方法较合理和有效；若统计结果与实际情况相差较大,则需要反思原因。论文的第四部分为研究的实证检验模块。本文首先通过选择沪深两市2000年到2012年发行A股的上市公司的10个主要财务指标,即资产总计、应收账款净额、应缴税费、所有者权益合计、销售费用、管理费用、净利润、利润总额、营业收入、营业成本,对其进行首位数字的奔福德定律检测。结果发现：我国上市公司年度财务报告披露的财务指标的首位数分布频率在总体上符合奔福德定律；上市公司各个不相同的财务指标的总体首位数分布频率与奔福德定律理论值的相关性有所不同；上市公司不同年份间的财务指标的首位数分布与奔福德定律理论值存在差异。接着,将10个财务指标的首位数分布与奔福德定律进行皮尔逊相关系数、卡方检验、T检验和K-S检验之后,发现“资产总计”、“所有者权益合计”存在质量问题的可能性较大,其中“所有者权益合计”的质量嫌疑最大。然后,选取“所有者权益合计”作为被解释变量,利润总额作为解释变量,建立面板模型,在删除不符合要求的样本之后,模型的拟合优度达到了0.9351,这说明模型的整体拟合效果非常好。在此基础上,对建立的模型进行残差分析,以找出“异常点”。分析结果显示,在95%的置信水平上,共349个样本点合计100家企业的数据具有可能的数据质量问题。在查阅相关的监管部门网站和媒体信息之后,进一步发现：(1)在不考虑具体时间点的情况下,100家上市公司中有55家企业在测试期间发生过违法违规事项或者舞弊行为；(2)而若具体到相应的时间年份,在这349个样本点上,有33个样本点的公司在对应的年份有违法违规记录或者舞弊行为(涉及到的企业一共是27家)。此结论说明,在不考虑具体的时间点情况下,奔福德定律和面板模型的结合应用可以较为有效地发现财务会计信息违法违规的上市公司；而若涉及到具体的时间点,实证结果与实际情况匹配度较低。在本研究中,导致这种情况的原因可能有：(1)本研究所选样本较多,测试时间年限较长,除了重大舞弊案例之外,早年的企业财务状况等相关情况不容易被找到,由此可能会带来查找结果的遗漏；(2)企业若有舞弊动机,通常持续时间较长,而不会集中在某一年。在所检验出的前后年份均可能存在财务会计信息的操纵行为,涉及的操控金额可大可小、性质可重可轻。在手法隐蔽、操纵金额较小、性质较轻的年份可能会未被数理统计方法所检测显示；(3)本文的结果全部依赖在所选取的10个主要财务指标上,但实际上,不同性质规模的企业若是想操控财务信息,所偏好和选取操作的财务指标也不会相同。本文所选择的10个财务指标可能并不是最适合用来探讨舞弊行为发生的数据。论文最后一部分是研究结果及本研究的不足之处和未来改进方向。在改进方向上,本研究提出四点：(1)对财务指标进行第二位和第三位数字上的奔福德定律测算；(2)选择更为恰当的财务指标来进行测算,以达到较为准确的预测效果。其中,可行的方法之一,即是分行业样本来选择具有行业特征意义的财务指标；(3)在模型的选择上,可以利用面板模型中的变系数模型或其他更为合理的模型来提高结果的准确性；(4)根据国外学者的研究,奔福德定律的方差分布更有利于财务舞弊数据的发现,那么也可以尝试将这结果应用于我国的财务数据质量分析中以做探索,从而发现能否更有效地提高结果的精准性。论文的创新之处在于：(1)从主题内容上来看：将面板模型与奔福德定律相结合,探索一种用于发现违法违规或舞弊财务信息的数理统计方法。这种方法可以有效解决目前舞弊审计所存在的切入点与认定证据之间的困难和矛盾,这在之前的财务审计理论领域尚未被尝试验证过,因此具有较强的开拓探索意义；(2)从研究方向和深度上来看：论文在分析了研究结果之后,最后提出了较有意义的改进之处,为进一步地深入研究和完善该方法提供了切实可行和创新性的方向。论文的不足之处在于：(1)在舞弊审计的理论阐述方面,并没有过多详细地论述,只是阐述了与本文结果相关的研究理论,因此可能对有关方面的介绍不够深入；(2)论文对研究结果的核实主要查阅了国内相关监管部门的网站以及部分金融证券网,对于所选测试较早的期间,并不能特别细致而全面地对疑似问题企业的作弊手段以及相关财务会计信息进行详细而深入地审查,这可能会导致局部信息遗漏以及分析存在误差；(3)虽然参考了相关文献,但是本文在指标的选择上还是具有一定的主观性和随机性,并未从结果的角度来考虑对变量的要求,这也是本文的改进方向之一。