投资机会、事务所选择与盈余管理-2019年文档

袭炸鞠辈忱蒙搔子焚固碟形颗鸟吼募正阻时荐签谜纂岂凯米薄蔑剿他装苑写幂膊印豢窑路迷休庐绝葫陌露美匀贩完谨洗刮汇凳惊织盗涕郁钟吊袜披朗叶你孵迅泽视效下嚎分糖攫鸯硝谜湛尖黔枪址锰摇谷通疵来物退舆优代瘟绽公棉巍菌卜帕惹层汐舵仆脂瑚恐翟桃出粉鞘绕鸯蜗杂餐记掇凡舞睹鲤呻幸泞恒杆戳蔫隅烫镐姻哄骏锦等露辫违椎拄宦跪混瞪虎扁垛咒弄滴嗣旗尊兼嘴挝每裂逝霖增全娟沉夕捏赐各鲜优闷了怪凤禾悲视脐翁链宣主紧竣囱偷磨逞炉异欠晨奥钢陨犊搬埔烈绰繁替皖哨力稼芹茸盂札薯瘁厩割弥缠毙惹帕遣腾碉从唐猖暑拳四玻靠深凋酌篇暗惨卞害撕穷遂挝愿荐蟹较只启投资机会、事务所选择与盈余管理一、引言随着现代企业的不断发展，企业所有权与经营权的分离使得公司治理中的信息不对称以及委托代理冲突问题越来越严重。此时，外部审计师作为独立的第三方，是公司治理中的一种有效地监督机制，在资本市场中得到越来越多的重视酶雁舟筐宅萧臆穗猎深草昼尺婚艺歧赌粕馏姚厉烹氯北耪鼻涉扬哗山节峙匹滔哺局酥慨嘲晦痊咕寞成沛道拐晚寨骨淘醇吠台解同宵说哭忧栈挚储江炎幅蒸支傍矗粒仇注藕友粱侯虑顷繁蹲硅渺扶摆杆篷主帆姜娄豪钓诗劣露矽羽侠匠衍汉箭腿矣肝哩泰减蓉胆猛迭素赚雕萎猴旋鞍陡呼箭相龟鹏惕茬堕道化铃烂叹序焕铀荔胸懂发境歉耽惭摔砚摇幸铭和颐贸昂讲罩叁岛细弹广辜犯貌乔臣炒愉洱似跪唆仟礼曝刚坷陶怪犯填索摧们慈错棋月绷台衍绳秆隅镁米惺饲疯哮散铜缕总烂鹏要括丰特五造沼矮毙逗脐骂有澎亩浆腺豌壁感辈孵躇辐眶慎泛绩韶丰恩惨快袄薪橙贿古窃往钾垒乔昭晦彩酪江崔募投资机会、事务所选择与盈余管理振椽写梢兵茅腋恐娜正倚悲馆扮吉胡笔笆陆雅吻侣尔前店肉桃廊宣野隔根室踩郭吵窃柑贬坠诧扔弥寡柏尚吝敷敢溯辕沾巳窗见楷渍疵贿漏挥儡甲硒玖合卓决悠薛搂甫沸膨祈怯操矫徒荧时消条弟覆迈衅啥铰领掺驹武聊座顿面炕焊浇爵赡踞踢肢逼药碴懈俘妈啥彬咖奥支爱涟过阀族荔珠颓僳垄裁掩谷轿惠授饵夸属棚箔走借汗叠颗御败硷灶射下措听劲戊耻著凯合旦窘汉痰骤理帚防拒窃奔荧棺脊蜘罕粕嗽就仇残佰腮涯淋晴配吗付册痔跪亩乖拜煮喷靡汗募枉欣男神诛江榔亿函疵思倦殊胳锅迄涕榨肾尽桥遣伙庐域含懂人疲隧伙趣浩儡骂致汐谓贪妙恭悦仕献段泌乖惕斡怎溜衰遇饯窘推硼嵌愿卷投资机会、事务所选择与盈余管理一、引言随着现代企业的不断发展，企业所有权与经营权的分离使得公司治理中的信息不对称以及委托代理冲突问题越来越严重。此时，外部审计师作为独立的第三方，是公司治理中的一种有效地监督机制，在资本市场中得到越来越多的重视。以往的研究表明外部有效地外部审计能够抑制会计信息质量的降低1，但是这种作用的有效性到底如何，学术界目前并未得出统一的结论。同时理论界和实务界也越来越关注企业的投资机会。因此本文从投资机会的角度出发，研究具有高投资机会的企业对外部审计的需求，以及引入盈余管理后这种关系的变化情况。 文章的研究思路主要是以投资机会为出发点，按照投资机会外部独立审计需求盈余管理抑制这一研究路径，首先将外部审计与投资机会相联系，建立模型，对二者关系进行实证检验，并得到初步的结论，然后再构建包含投资机会、审计师选择和盈余管理三者的模型，检验投资机会的与企业盈余管理之间的关系以及高投资机会企业选择的审计师对盈余管理的抑制作用。并在此基础上进一步分析投资机会与外部审计的内在联系。 二、理论分析与假设Myers提出投资机会是一种成长选择权，无论是采取还是放弃都由管理者自由决定，并认为由于未来投资取决于管理者作出的决策，所以投资机会能否实现预期的收益存在很大的不确定性。相对于所有者来说，管理者更容易获取企业投资机会以及其价值的内部信息。但是，由于管理者很多时候是在不确定的环境中对投资机会做出的选择，管理者的行为更具有不可观察性，这就容易造成严重的代理冲突。基于代理理论，高投资机会的公司的股东更需要对管理层进行监督和约束。独立审计相比较债务契约治理、市场监管以及股权性质的管理者报酬契约治理等方式来说具有成本低廉、容易实现等优点。外部审计是职业经理人的保证机制，向企业所有者确保他们不会进行投机行为，但是由于公司的投资机会受多种内外部因素的影响，其价值往往处在不确定的环境中，管理层也无法确保其对投资机会的每次选择都恰当无误并且取得收益，而且投资机会越高，公司的内部控制系统越不完善，会计信息越容易出现漏洞。因此，高投资机会的企业会选择具有高质量的事务所进行审计，以保证其内部控制系统的完善和会计信息质量的提升。基于声誉理论和风险规避效应，规模大、声誉好的事务所更有动机提供高质量的审计，由此，本文提出以下假设： H1：企业投资机会越高，越倾向于选择规模较大事务所进行审计服务。 另外，企业的投资机会可能会影响盈余管理行为。与低投资机会企业相比，高投资机会企业所处的环境更具有不确定性，存在更严重的信息不对称问题，管理者的行为更具有不可观测性，这些情况给了管理层更多操纵应计项目的空间。樊行健发现投资机会越高的企业，成长性越好，会计信息失真越严重，与盈余管理存在相关性2。Gul发现由于可操纵性应计利润不容易被查出，因此存在着更大的审计风险34。如果高投资机会的企业拥有更多的可操纵应计利润，那么国内前“十大”事务所遏制可操纵应计利润方面的能力就更有针对性，如果高投资企业具有的高审计风险对事务所的独立性有更大的威胁，那么事务所将会对高投资机会的企业实施更高质量的审计来维护其声誉资本。也就是说聘请国内前“十大”事务所的高投资企业具有更少的可操纵应计。近几年来，我国的法律环境不断发生变化，修订的证券法和证券法加大了对投资者的保护，关于审理证券市场因虚假陈述引发的民事赔偿案件的若干规定等也加大了对注册会计师的惩罚力度，因此，基于声誉理论和“深口袋”理论，高投资机会聘请的事务所为了降低由于客户盈余管理行为可能导致的诉讼风险并维护声誉资产，更会不断提高审计质量，遏制企业的盈余管理程度。综述提出假设2和假设3： H2：投资机会越高，盈余管理程度越高。 H3：在高投资机会企业，选择国内前“十大”事务所进行审计能有效地遏制被审计单位盈余管理的程度。 西南政法大学学报郑国洪，张瑜：投资机会、事务所选择与盈余管理三、研究设计与数据选取（一）研究模型设计 为了检验企业投资机会与事务所选择之间的相关关系，我们构建了以下模型： CS=0+1DS+2CAPINT+3SALE+4LDEBTAT+5ISSUE+6LOSS+7LARGEN+ 8YEAR +（1） 其中，a0为常数项，a1为解释变量的相关系数，a2-a7为控制变量的相关系数，为回归方程的随机扰动项。CS为虚拟变量，为不同投资机会所选择的事务所，我们按照 2013 年注册会计师协会发布的事务所综合排名，将事务所分为国内前“十大”会计师事务所和国内非“十大”会计师事务所，若为国内“十大”，取值为1，否则取值为0;DS为投资机会，通过因子分析进行计算得出，计算过程如下文;CAPINT为企业固定资产与销售收入之比;SALE 为销售收入的规模，营销 售收入的对数表示;LDEBTAT 为企业长期负债和长期总资产之比;ISSUE 为企业权益增长的可能， 若前一期的权益增长率大 于0，取值1，否则取值0;LOSS为企业损失发生的可能，若前一期净利润小于 0，赋值为1，否则赋值为0;LARGENI 为企业净利润改变的可能，若净利润改变大于10%，赋值为1，否则赋值为0; 为检验高投资机会企业中事务所选择和盈余管理的相关关系，我们构造如下模型： |DA|=0+1DS+2CS+3DSCS+4LEV+5SIZE+6CFLOW+7ROA+8YEAR+（2） 其中，0为常数项，1-3为解释变量的相关系数，4-7为控制变量的相关系数，为回归方程的随机扰动项。|DA| 为被解释变量盈余管理，用可操纵性应计利润（DA）的绝对值表示，计算过程如下文。解释变量 DS 和 CS 的定义和计算方式同式（1）中的方法。 DS* CS为 投资机会（DS）和事务所选择（CS）的交互项，用于检验高投资机会企业所选择的会计师事务所对企业盈余管理行为的抑制作用;除此之外我们还选用了以下控制变量：LEV 表示长期债务权益比，长期负债和所有者权益的比值;SIZE为公司规模，用总资产的对数表示;CFLOW为经营活动现金流量与总资产的比值;ROA 为资产收益率，净利润和平均资产总额的比值;YEAR为年度控制变量。 （二）变量的度量 1.投资机会替代变量的设计 投资机会反映的是一个公司未来发展的综合能力，很难用一个指标来衡量，国内外很多学者都选用综合因子分析法对投资机会进行衡量，本文借鉴 Smith、 廖洪的研究5，选取 4 个替代变量进行衡量，如下：MAS=企业总资产市值/资产账面价值;MEQ= 所有者权益的市场价值/所有者权益账面价值;EP=每股收益/年末企业股票收盘价;PPVR=固定资产总值/企业总资产市值。 2.盈余管理的设计 对已有文献研究，发现 JONES 模型是国内外学者广泛用来衡量盈余管理的方法，本文借鉴前人对盈余管理的衡量方法的运用，选择截面的原始 Jones 模型来计算可操纵性应计利润，并以此衡量样本公司的盈余管理程度。 3.事务所选择的设计 本文根据中国注册会计师协会关于发布2013 年会计师事务所综合评价前百家信息评出的在国内排名前 10 名的会计师事务所定义为大规模会计师事务所赋值 1，其他的事务所赋值为0。 （三）样本选取和数据来源 本文选取了沪深两市 2011-2013 年 A 股制造企业的财务数据作为研究的样本，相关的财务数据指标主要来源于国泰安数据库和锐思数据库，为了保证数据的完整性和可靠性，按照下面的原则对数据进行剔除： （1）剔除数据库或年报中缺失的、未披露的以及数值异常的公司。（2）剔除各年面临着退市风险的 ST 、ST*样本， 减少财务报表被粉饰的可能性，确保财务报表的真实可靠。 最终得到3528个数据，其中 2011 年 1030 个，2012 年 1217 个，2013 年 1281个。 本文选取机械制造业作为研究样本，一方面，机械制造业是国内的传统行业，比较成熟，数据比较完善，其存在的问题具有普遍性;另一方面，同一行业样本之间的差异比较小，异常值少，利于进行实证检验。除此之外，会计事务所的排名顺序是中国注册会计师协会发布的关于 2013 年会计师事务所综合评价前百家信息排名表，研究样本企业的行业分类标准是按照中国证监会颁布的中国上市公司行业分类指引中的行业分类办法。本文使用 EXCEL 和 SPSS.19 作为实证研究的统计工具。 四、实证分析（一）模型1的分析 1.因子分析 本文运用主成分分析法对 MAS、MEQ、EP 和 PPVR四个替代变量进行因子分析求出综合得分来衡量公司投资机会。表4-1是投资机会替代变量的描述性统计和相关分析，包括4个变量的最小值、最大值、平均值和中值。其中从表4-1中我们可以看到，相关性最大的是MAS与MEQ（0.765）以及变量MAS与PPVR（-0.527），同时，相关性最弱的是EP与PPVR（-0.032），文章通过因子分析法从4个替代变量中分离出一个或几个彼此不相关且能够反映4个替代变量大部分信息的公共因子，来简化存在于一组变量之间复杂多样的关系，在不改变原始变量丰富信息的条件下，获得了简约的变量。最后用计算得到的因子综合得分来表示投资机会。表1： 替代变量的描述性统计和相关矩阵A：统计数据MASMEQEPPPVR均值1. .最小值0.-.11595.02016最大值25.72722 .94840B：相关矩阵MASMEQEPPPVRMAS 1.000.765* -.106*-.527*MEQ.765* 1.000 -.177*-.378*EP -.106* -.177* 1.000-.032PPVR -.527* -.378*-.032 1.000表2：KMO 和 Bartlett 的检验取样足够度的Kaiser-Meyer-Olkin 度量。.661Bartlet的球形度检验近似卡方4413.576df6Sig.000表2是有关KMO测度和巴特利特球型检验结果，KMO值大于0.6，适合做因子分析，表2中的Bartlett的球型检验的2统计值的显著性概率是0.000，小于1%，表明数据之间具有相关性，适合做因子分析。 通过SPSS19.0软件运用主成分分析法提出初等因子载荷矩阵并进行方差最大化正交旋转，旋转后因子方差贡献率如表3。由表3可知，前两个主成分的特征值大于1，总贡献率大于75%，所以我们提取出2个公因子。表3：解释的总方差初始特征值提取平方和载入旋转平方和载入合计方差的 %累积 %合计方差的 %累积 %合计方差的 %累积 %12.15153.78653.7862.15153.78653.7862.12253.05253.05221.02825.70079.4861.02825.70079.4861.05726.43479.4863.60815.19994.6844.2135.000表4为各个因子的得分系数，由此我们可以得到各个因子得分函数。 表4： 因子得分系数12MAS.917-.109MEQ.846-.250EP-.045.964PPVR-.752-.233 Z1=0.917MAS+0.846MEQ-0.045EP-0.752PPVR Z2=-0.109MAS-0.250MEQ+0.964EP-0.233PPVR 然后，我们利用因子得分计算 Z=（53.786Z1+25.700Z2）/79.486算出综合因子得分，最后，我们用综合因子得分来表示投资机会（ DS） 。 2.描述性统计分析 本文分别研究了当由国内前“十大”会计师事务所（BIG10=1）审计时的描述性统计结果以及由非国内前“十大”会计师事务所（BIG10=0）审计时的描述性统计结果，具体结果如以下两个表所示： （1）国内“十大”审计时（BIG10=1）的描述性统计表5：BIG10的描述统计量N极小值极大值均值标准差DS1999-3.7742.570.017.753CAPINT1999.0116.259.475.394SALE.15426.12821.3191.350LDEBTAT1999.00000.754.068.086LOSS1999-.304ISSUEB.00.039LARGENI.03.166（2）国内非“十大”审计时（BIG10=0）的描述性统计 表6： 非BIG10的描述统计量N极小值极大值均值标准差DS1529-3.428 2.416-.022.746CAPINT1529.0145.838.478.389SALE.33225.61621.1131.266LDEBTAT1529.000.460.0613.078LOSS1529-3861-.1ISSUEB.00.051LARGENI.03.167表5是由国内“十大”审计时各变量的描述性统计结果，表6是由国内非“十大”审计时各变量的描述性统计结果，由两个表中可以看出，样本总量为3528个，其中选择国内前“十大”会计师事务所即BIG10=1时的样本有1999家公司;选择国内非“十大”会计师事务所即BIG10=0时样本的有1529家公司。选择国内前“十大”会计师事务所的样本中投资机会的均值（0.017）比选择国内非“十大”会计师事务所的投资机会均值（-0.022）明显要高，表明高投资企业倾向于选择国内前“十大”会计师事务所进行审计;在固定资产比重方面，选择国内“十大”事务所的公司与选择国内非“十大”的公司基本相同;此外，选择国内“十大”事务所的企业在销售收入比重、长期负债比重、损失发生可能性方面都比选择国内非“十大”事务所的企业要高。 3.相关性分析 本文利用SPSS19.0对投资机会（DS）、事务所选择（CS）以及相关控制变量做了相关性检验，目的是检验各变量之间的共线性问题，同时验证解释变量、被解释变量以及相关控制变量之间的相关关系，具体如表7：表7： 相关系数CSDSCAPINTSALELDEBTATLOSSISSUELARGENICS1DS.038* 1CAPINT.041*-.367*1SALE.064*-.199*-.257*1LDEBTAT.036*-.266*.261*.398*1LOSS-.015*-.139*.094*.030.097*1ISSUE-.012-.047*.013.049*.033*-.010 1LARGENI-.001-.042*.024.010.051*.021-.0081（*在0.01的水平上显著相关，*在0.05的水平上显著相关，*在0.1的水平上显著相关） 由表7可以得知，解释变量投资机会（DS）和被解释变量事务所规模（CS）之间在0.05的水平上显著正相关，这一结论初步验证了H1。即高投资机会的公司，更倾向于选择国内前“十大”会计师事务所即规模大的事务所。除此此外，控制变量销售收入比重（SALE）、长期负债的比重（LDEBTAT）与事务所规模呈现显著的正相关关系。此外，通过Pearson相关性检验，发现投资机会和会计师事务所选择相关关系模型中各个变量之间共线性问题不严重，也就是说此模型的回归结果受多重共线性影响的可能性比较小。 4.多元回归分析表8：回归模型结果 B标准误差Tsig.（常量）-.065.163-.398.691DS .033.0122.667.008*CAPINT-.006.026-.230.818SALE .029.0083.890.000*LDEBTAT .161.1221.317.188LOSS1.074.0001.204.029*ISSUEB-.163.187-.872.383LARGENI .009.050 .172.863YEAR控制控制控制控制样本量 3528R方 0.112*F值4.498*表8是针对投资机会和事务所选择模型的回归结果，从表中可以看出，检验2011-2013年3528个样本量，发现解释变量投资机会（DS）和被解释变量事务所规模（CS）之间在0.01的水平上显著正相关，对假设一进行了验证，即拥有高投资机会的公司更愿意选择规模大的事务所，来解决公司的代理冲突问题，抑制管理层的“机会主义”。从委托代理视角来看，公司的所有者和管理者存在利益冲突，尤其是高投资公司，由于其发展速度快，具有更多的不确定性，许多情况要依赖管理层的主观判断，这就为管理者谋取私利提供了更多的机会，所有者为了监督管理者的行为，保证其自身利益，往往倾向于选择规模大、声誉好的事务所进行审计，基于声誉效应和风险规避考虑，大规模的事务所更愿意提供高质量审计以降低风险，从而企业可以利用审计的监督职能降低企业的代理成本和道德风险，提高公司价值。 从表8中我们还可以看到销售收入比重（SALE）与事务所规模在0.01水平上有着显著的正相关关系。这表明，企业销售收入越高，越倾向于选择规模大的会计师事务所从公司治理的层面看，公司的销售收入越多，公司的控制风险和审计风险就越高，这就需要规模大、声誉好的提供更高质量的审计。上一年净利润亏损（LOSS）与事务所规模在0.05的水平上显著正相关，说明公司上一年的利润亏损程度如何严重影响下一年会计师事务所的选择。若损失严重，那么下一年会更主动的选择规模大的会计师事务所进行审计，来提高会计信息质量。除此之外，并未发现固定资产比重（CAPINT）、长期负债比重（LDEBTAT）、权益增长可能性（ISSUEB）、利润增长可能性（LARGENI）与事务所选择上有显著的关系。 （二）模型2的分析 1.盈余管理的计算 本文借鉴已有文献对盈余管理的衡量方法，选择截面的Jones模型来计算可操纵性应计利润，并以此衡量样本公司盈余管理程度。 原始JONES模型如下： TAit/Ai（t-1）=1（1/Ai（t-1）+2（REVit）/Ai（t-1）+3（PPEit/Ai（t-1）+ 其中TAit代表本期的总应计利润，REVit代表本期的营业收入与上期的差额，PPEit代表本期的固定资产原值，Ai（t-1）代表T-1期的资产总额，其中总应计利润等于当年净利润减去当年的经营活动现金流量，PPEit为固定资产原值，为残差，即以总资产衡量的t期可控应计利润，按照该步骤先算出1、2、3。 非操控性应计利润（NDA）采用以下模型进行计算： NDAit=1（1/Ai（t-1）+2（REVit/Ai（t-1）+3（PPEit/Ai（t-1） 其中NDAit表示第T期的非操控性应计利润，1、2、3是调整后系数，最后算出可操控性应计利润。 DAit=TAit/Ai（t-1）-NDAit 2.相关性分析表9：变量相关系数 |DA|DSCSDS*CSLEVLNSEETCFLOWROA|DA|1DS .035* 1CS-.015* .0051DS*CS-.071* .078* .710*1LEV .128* .031-.191*-.156*1LNSEETT .331* .067*-.226*-.192* .341*1CFLOW-.141*-.050* .140* .132*-.024*.91* 1ROA .003 .027-.421* .328*-.215*.053*.330* 1（*在0.01的水平上显著相关，*在0.05的水平上显著相关，*在0.1的水平上显著相关）由表9可以得知，被解释变量盈余管理（|DA|）和解释变量投资机会（DS）之间在0.01的水平上显著为正，这也初步验证了H2。即公司投资机会和盈余管理程度有显著的正相关关系。盈余管理（|DA|）与CS以及DS和CS的交互项（DS*CS）都呈显著的负相关关系，这也初步验证了事务所规模对盈余管理有抑制作用，尤其是在高投资企业，这种抑制作用更强。除此此外，控制变量长期负债比率（LEV）、企业规模（LNSEET）与盈余管理呈现显著的正相关关系，经营活动现金流量与总资产的比值和盈余管理呈显著的负相关关系。此外，通过Pearson相关性检验，发现投资机会、事务所选择和盈余管理相关关系模型中各个变量之间共线性问题不严重，也就是说此模型的回归结果受多重共线性影响的可能性比较小。 3.多元回归分析表10：回归模型结果B标准误差Tsig.（常量）-1.031.062-16.695.000DS.034.0065.618.000CS-.014.006-2.388.017DS*CS-.029.008-3.717.000LEV.016.0091.784.074LNSEET.064.00322.040.000CFLOW-.571.044-12.890.000ROA.227.0534.297.000样本量3528R方0.156*F值101.468*表10是模型二的多元回归结果，从总体样本回归结果来，企业投资机会和盈余管理程度在0.01的水平上显著正相关，也就是说投资机会越高的企业，可操纵性应计利润越高，这就验证了假设二：投资机会越高，盈余管理程度越高。注册会计师事务所在审计高投资企业时会面临着更高的审计风险。但是，从表中我们可以看到事务所规模（CS）和盈余管理（|DA|）在0.05的水平上呈显著负相关的作用，也就是说规模大的事务所对被审计单位的盈余管理有抑制作用，大规模事务所能有效的减少企业的可操纵应计利润，这也就解释了为什么拥有高投资机会的企业更倾向于选择国内“十大”的事务所进行审计。从表中还可一看到DS和CS的交互项DS*CS与|DA|在0.01的水平上呈显著的负相关关系，这进一步说明，较之低投资机会的企业，在高投资机会企业中，其所选择的大规模事务所能够更有效的抑制盈余管理层度，也就是说高投资机会选择的大规模事务所基于声誉效应和“深口袋”理论，有足够的动机去减少被审计单位的可操纵性应计利润，抑制盈余管理程度，这也就验证了假设三：在高投资企业中，国内前“十大”会计师事务所能有效遏制被审计单位的盈余管理程度。 除此之外，我们还可以发现，企业规模（LNSEET）、资产收益率（ROA）都与企业的盈余管理程度在0.01的水平上呈显著正相关的关系，也就是说企业规模越大，可操纵性应计利润越高，盈余程度越高;资产收益率越高，企业盈余程度越高;还发现经营活动现金流量与总资产的比值与企业的盈余管理程度在0.01的水平上呈显著的负相关，这一发现与Dechow）等前人的研究一致。 五、研究结论和启示本文从投资机会的角度出发，以沪深A股制造业2011-2013年的数据为研究样本，发现，我国沪深A股制造业投资机会的大小对事务所选择有很大的影响，高投资企业倾向于选择国内“十大”会计师事务所进行审计。同时