把数学作为一种工具对社会科学进行分析是几十年来社会科学的发展一种趋势,审计学的发展也不例外。审计署2003年发布的5号令强调了审计风险水平的确定,为什么要确定审计风险,就是由于审计由过去的全面检查改为抽样检查,抽样就意味着有些错弊可能不会抽到,为了把没有抽到的错弊控制在一个水平上,就需要引入数学工具控制审计风险。
实际上抽样是我们在日常生活中经常碰见的一种方法,比如商店里的花生油合不合格,技术监督部门就是通过抽样的方式来检查的。在传统审计中,所谓的审计全查对一个很少会计资料的单位可能是可行了,对一个稍微上一点规模的单位,审计全查一般是不太现实的,所以可以这么说审计不管是过去还是现在基本的做法都是抽查。不过令人困惑的是这样一个现象:商店某种牌子的花生油合不合格,技术监督部门多次抽验的结果不会有大的差别,但对某个错弊比较多的单位的多次审计,经常会发现这样一个现象,每次的审计结果都是不同的。为什么运用的数学抽样理论是一样的,可效果却大相径庭,是不是审计抽样出现了问题?
对任何问题的分析,如果要运用抽样的方法,由抽到的部分样品去判断整体,一个重要的前提就是样品必须能够代表整体的水平,否则这样的抽样就是失败的,得出的结论也是错误的。实际上审计抽样的主要问题也在于抽到的样品究竟能不能代表整体的水平。
国家审计的基本职能之一就是差错纠弊,所以审计抽样的方法就是如何通过有效的数学方法抽到错弊样品。错弊实际上是分两种:一种为无意为之,可以称之为失误;另一种为有意为之,可以称之为作弊。审计最关心的就是作弊的样品。而在数学上,对于失误我们有比较得心应手的工具,有比较系统的理论去描述它,所以对商店里某种牌子花生油的检测,抽样的结果很令人信服。因为对于一些大的花生油厂,他们为了市场和利润,都会尽力提高商品的质量,一般不会有作弊的可能,他们出现的只有失误。而且如果有作弊行为,由于大厂的花生油大批量生产,不可能那一瓶花生油单独作弊,每批花生油只要抽取适量的样品就一定可以检查出来。而会计上的作弊就不是这样的,几千笔几万笔会计分录可能就那么一两笔会计分录是作弊的,而这一两笔作弊的会计分录却对该单位的资产、负债、损益等财务指标有着关键的影响,这是会计作弊的最大不同之处。
由于失误不是有意为之的,在数学上给它一个定义就是随机的,对于随机出现的现象,一般可以用一个数学分布去描述它,而对于非随机出现的现象,很难用简单的数学分布函数去描述,而在随机现象中出现一个非随机的东西,如在几万笔会计分录中突然出现一笔作弊的会计分录就更难用简单的数学分布函数去描述。比如某个电视台新闻频道的收看率是8%,那么平时电视台的新闻报收看率一般会以8%为中心形成一个正态分布函数。但是如果某天政府有关部门布置大家一定要收看新闻频道,那就很难用数学分布函数去描述了。
所以对于审计抽样,如果是会计中的失误行为,完全可以通过审计抽样,由数学工具提供有力保证,把这种失误检查出来。而对于如何通过审计抽样检查出会计中的作弊行为,则很难通过数学工具提供可靠的保证。
目前在传统的审计抽样著作中,一般把审计抽样分为统计抽样和非统计抽样。非统计抽样是没有以数学概率工具为支撑的,确切地说它完全是一种经验,也根本谈不上审计风险的确定。而统计抽样目前主要有两种方法:货币单位抽样法和单纯的正态分布抽样法。实际上这两种方法的基础都是把失误作为一种正态分布进行抽样,货币单位抽样,是以总体金额单位作为抽样选取样本,再根据样本误差或误差额推断总体的一种审计方法。货币单位抽样和传统的审计教科书中的不同在于它是以总体金额单位为抽样单位,而传统审计教科书的方法则是以一个会计分录为抽样单位,比如有两笔金额分别为10000元和1元的会计分录,如果用传统教科书中的抽样方法,因为它们都是一笔会计分录,所抽到的几率是相等的,但如果使用货币单位抽样,金额为10000元会计分录抽到的几率就是金额为的会计分录为1元会计分录抽到几率的1万倍,这样就能够对高额经济业务给予高度的重视,从而改善了审计抽样的方法。但无论怎么改变,失误是可以用数学分布函数去描述的,而会计上的作弊行为是不能用简单的数学分布函数前提没有变,而把作弊行为也作为一种正态分布,并且用数学工具得出审计风险也是靠不住的。审计人员可以用数学工具来通过审计抽样发现一些会计失误,而要用数学工具来通过审计抽样发现一些会计作弊可能言之过早,虽然查处会计作弊行为是国家审计关注的重点。
把高等数学引进审计工作促进了审计事业的发展,但数学不是万能的,审计抽样更不是灵丹妙药,同一个单位不同审计组审计的结果都不同,这很正常。社会现象是复杂的,它通常都不能准确地描述,所以审计运用抽样的方法来取得一些并有限可靠的审计风险保证水平应引起我们客观的认识。
查看更多关于审计抽样与舞弊审计关系分析的文章