签字会计师数字化审计专长采用虚拟变量DEXP_DIGIT和连续变量EXP_DIGIT分别进行度量。参照Wu等对审计师IPO专长的衡量方法,本文利用签字会计师当期审计的数字化客户占其全部客户的比例计算数字化审计专长,得到连续变量EXP_DIGIT。同时,将数字化客户占比处于前四分之一的签字会计师认定为数字化审计专家,生成虚拟变量DEXP_DIGIT并赋值为1;数字化客户占比处于后四分之三的签字会计师认定为非数字化专家,并将DEXP_DIGIT赋值为0。为了排除审计师行业专长对审计质量的影响,我们在模型中增加控制变量EXP_IND,首先计算某一年份签字会计师在特定行业中的客户数量占当年全部客户的比例,并取占比较高的四分之一认定为行业专家。
企业数字化词库,利用Python对上市公司年报进行分词处理,将年报中提及(未提及)数字化转型相关词语的公司认定为数字化(非数字化)转型企业。再次,考虑到本文将用签字会计师当期审计的数字化客户占其全部客户的比例来计算和定义数字化审计专长,对于那些只有一到两个客户的审计师而言,这一两个客户如果刚好是或者刚好不是数字化客户,根据我们的计算方法,该取值将是1或者是0,这种结果可能是偶然的,而并不一定是该审计师积累数字化审计经验的结果,因此本文删除了审计客户小于等于两个客户的样本。
文献里面的结果为“公司-年份 - 审计师”结构面板数据,本数据将签字会计师层面的专长聚合到公司—年度层面,数据里面包含两个版本的结果。
聚合到公司—年度层面面板数据的具体处理方法如下:
EXP_DIGIT:取公司-年度里面所有审计的数字化专长均值
EXP_Digit_Max:取公司有效签字会计师专长的最大值,刻画“最强数字化专长签字会计师”的口径DEXP_DIGIT:公司当年只要有任一签字会计师为数字化审计专家,则取值为,否则为0
EXP_DIGIT_Count:公司当年数字化审计专家的人数。
EXP_IND:审计师个体行业专长均值
DEXP_IND:公司当年只要有任一签字会计师为行业专家,则取值为1,否则为0
Signer_Count:当年审计报告签字注册会计师人数
AvgSignerClientCount:公司各签字会计师当年全部客户数的均值,用以反映签字会计师的业务规模
需特别说明:其一,本数据集忠实采用原文”年报提及即认定为数字化企业”的字面口径,未自设更严阈值;由于数字化词语在样本后期日益普及,数字化企业占比逐年上升,加之全部客户口径仅涵盖上市公司客户,EXP_Digit的绝对水平高于原文描述统计,但样本规模、专家占比与相对排序与原文一致,专长的横截面比较有效。其二,样本后期数字化转型企业占比很高,签字会计师的数字化客户占比趋于饱和,”前四分之一”的专家划分在后期区分力下降,使用时建议将研究窗口收敛至数字化普及前的年份区间或对指标做年度标准化。其三,签字会计师以”事务所—姓名”近似其身份,对极少数同所同名或跨所执业者可能存在合并或拆分误差。
参考文献
[1]付强,张呈,廖益兴.直面挑战:审计师数字化专长是否有助于提高审计质量?[J].审计与经济研究,2024,39(2):42-51.
[2]吴非,胡慧芷,林慧妍,等.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界,2021,37(7):130-144+10.
数据对象:全部A股
数据区间:2007-2025年
最终结果包含3个版本:
1、未筛选剔除未缩尾处理
2、剔除金融行业、剔除ST、*ST、PT类、已退市公司样本未缩尾处理
3、剔除金融行业、剔除ST、*ST、PT类、已退市公司样本已缩尾处理
结果说明
公司-年度-审计师面板数据截图

公司-年度-审计师面板数据各年数据量

公司-年度-审计师面板数据缩尾后描述性统计

公司-年度面板数据截图

公司-年度面板数据各年数据量

公司-年度面板数据缩尾后描述性统计

易获数据网
评论前必须登录!
注册