企业数字化转型对审计质量影响DID模型与PSM结合

企业数字化转型对审计质量影响DID模型与PSM结合一、企业数字化转型与审计质量的关联逻辑在数字经济浪潮的席卷下，企业数字化转型已从可选战略升级为生存与发展的必然选择。从ERP系统的普及到大数据分析工具的深度应用，从云计算的广泛部署到人工智能在生产运营中的渗透，企业的业务模式、组织架构和管理流程都在发生深刻变革。这种变革不仅重塑了企业的价值创造方式，也对作为资本市场“看门人”的审计行业产生了深远影响。审计质量是审计工作的生命线，其高低直接关系到投资者的利益保护和资本市场的稳定运行。传统审计质量的衡量维度主要包括审计师的专业胜任能力、独立性、审计程序的充分性以及审计报告的准确性等。而企业数字化转型为审计质量的提升带来了新的机遇与挑战。一方面，数字化转型使得企业的财务数据和业务数据更加透明、可追溯，审计师能够更高效地获取和分析数据，从而提高审计的准确性和效率；另一方面，数字化转型也带来了新的风险，如数据安全风险、系统漏洞风险、算法偏见风险等，这些风险对审计师的专业能力和风险管理能力提出了更高的要求。从理论层面来看，企业数字化转型对审计质量的影响可以从多个角度进行解释。首先，信号传递理论认为，企业进行数字化转型向市场传递了积极信号，表明企业具有较强的创新能力和发展潜力，这有助于降低审计师的风险感知，从而提高审计质量。其次，委托代理理论认为，数字化转型可以减少企业管理层与股东之间的信息不对称，提高企业的治理水平，进而降低审计师的审计风险，提高审计质量。此外，资源基础理论认为，企业数字化转型可以为审计师提供更多的审计资源和工具，如大数据分析工具、人工智能审计模型等，这些资源和工具可以帮助审计师更有效地识别和评估审计风险，提高审计质量。二、DID模型与PSM方法的理论基础与应用优势（一）DID模型的理论基础与应用双重差分模型（Difference-in-Differences，DID）是一种常用于政策评估和因果推断的计量经济学方法。其基本思想是通过对比处理组和对照组在政策实施前后的差异，来评估政策的效果。在企业数字化转型对审计质量影响的研究中，我们可以将进行数字化转型的企业作为处理组，未进行数字化转型的企业作为对照组，通过对比两组企业在数字化转型前后审计质量的变化，来评估数字化转型对审计质量的因果影响。DID模型的基本形式如下：$Y_{it}=\alpha+\beta_1Treat_i+\beta_2Post_t+\beta_3Treat_i\timesPost_t+\gammaX_{it}+\mu_i+\lambda_t+\epsilon_{it}$其中，$Y_{it}$表示企业$i$在时期$t$的审计质量；$Treat_i$是一个虚拟变量，若企业$i$属于处理组（进行了数字化转型），则$Treat_i=1$，否则$Treat_i=0$；$Post_t$是一个虚拟变量，若时期$t$在数字化转型政策实施之后，则$Post_t=1$，否则$Post_t=0$；$Treat_i\timesPost_t$是处理组和时间的交互项，其系数$\beta_3$衡量了数字化转型对审计质量的因果效应；$X_{it}$是一系列控制变量，如企业规模、资产负债率、盈利能力等；$\mu_i$表示企业固定效应，用于控制企业层面的不可观测异质性；$\lambda_t$表示时间固定效应，用于控制时间层面的共同冲击；$\epsilon_{it}$是随机误差项。DID模型的优势在于能够有效控制处理组和对照组之间的事前差异以及时间趋势的影响，从而更准确地识别政策的因果效应。在企业数字化转型对审计质量影响的研究中，DID模型可以帮助我们排除其他因素对审计质量的影响，如宏观经济环境、行业竞争程度等，从而更准确地评估数字化转型对审计质量的净效应。（二）PSM方法的理论基础与应用倾向得分匹配方法（PropensityScoreMatching，PSM）是一种用于处理样本选择偏差的统计方法。其基本思想是通过为处理组中的每个样本匹配一个或多个与处理组样本在可观测特征上相似的对照组样本，从而构建一个近似随机的实验环境，以减少样本选择偏差对估计结果的影响。在企业数字化转型对审计质量影响的研究中，企业是否进行数字化转型并非随机决定的，而是受到企业自身特征的影响，如企业规模、盈利能力、行业特征等。如果直接对比处理组和对照组的审计质量，可能会因为样本选择偏差而导致估计结果的偏差。PSM方法可以通过匹配处理组和对照组样本的倾向得分，即企业进行数字化转型的概率，来减少这种样本选择偏差。PSM方法的实施步骤主要包括以下几个方面：首先，通过logit或probit模型估计企业进行数字化转型的倾向得分；其次，根据倾向得分采用合适的匹配方法，如最近邻匹配、半径匹配、核匹配等，为处理组样本匹配对照组样本；最后，对比匹配后的处理组和对照组样本的审计质量差异，来评估数字化转型对审计质量的影响。PSM方法的优势在于能够有效减少样本选择偏差，提高估计结果的准确性。在企业数字化转型对审计质量影响的研究中，PSM方法可以帮助我们解决处理组和对照组样本在可观测特征上的差异问题，从而更准确地评估数字化转型对审计质量的因果效应。（三）DID模型与PSM方法结合的优势虽然DID模型和PSM方法都可以用于因果推断，但它们各自存在一定的局限性。DID模型要求处理组和对照组在政策实施之前具有平行趋势，即两组样本的结果变量在政策实施之前的变化趋势是相同的。如果平行趋势假设不成立，DID模型的估计结果可能会存在偏差。而PSM方法虽然可以减少样本选择偏差，但它只能控制可观测特征的影响，无法控制不可观测特征的影响。将DID模型与PSM方法结合起来，可以充分发挥两种方法的优势，弥补各自的局限性。具体来说，首先通过PSM方法为处理组样本匹配对照组样本，构建一个近似随机的实验环境，减少样本选择偏差；然后在匹配后的样本基础上应用DID模型，评估数字化转型对审计质量的因果效应。这种结合方法可以同时控制样本选择偏差和时间趋势的影响，从而更准确地估计数字化转型对审计质量的因果效应。三、研究设计与数据来源（一）研究设计本研究旨在探讨企业数字化转型对审计质量的影响，并采用DID模型与PSM方法相结合的方式进行实证分析。具体研究设计如下：样本选择与分组：选取2015-2024年中国A股上市公司作为研究样本，并将样本分为处理组和对照组。处理组为进行了数字化转型的上市公司，对照组为未进行数字化转型的上市公司。为了确保样本的代表性和可靠性，我们对样本进行了如下筛选：（1）剔除金融行业上市公司，因为金融行业的业务模式和监管要求与其他行业存在较大差异；（2）剔除ST、*ST上市公司，因为这些公司的财务状况和经营业绩存在较大不确定性；（3）剔除数据缺失的上市公司。变量定义：被解释变量：审计质量（AQ）。本文采用审计师出具的审计意见类型来衡量审计质量，若审计师出具标准无保留意见，则AQ=1，否则AQ=0。此外，我们还采用可操纵应计利润的绝对值作为审计质量的替代变量，进行稳健性检验。解释变量：数字化转型（DT）。本文采用企业是否进行数字化转型作为解释变量，若企业进行了数字化转型，则DT=1，否则DT=0。为了准确衡量企业的数字化转型程度，我们还采用企业数字化转型投入占营业收入的比重作为解释变量的替代变量，进行稳健性检验。控制变量：为了控制其他因素对审计质量的影响，本文选取了一系列控制变量，包括企业规模（Size）、资产负债率（Lev）、盈利能力（Roe）、成长能力（Growth）、审计师规模（Big4）、独立董事比例（Indep）等。具体变量定义如下表所示：变量名称变量符号变量定义审计质量AQ若审计师出具标准无保留意见，则AQ=1，否则AQ=0数字化转型DT若企业进行了数字化转型，则DT=1，否则DT=0企业规模Size企业总资产的自然对数资产负债率Lev总负债与总资产的比值盈利能力Roe净利润与净资产的比值成长能力Growth营业收入增长率审计师规模Big4若审计师为国际四大会计师事务所，则Big4=1，否则Big4=0独立董事比例Indep独立董事人数与董事会总人数的比值模型设定：本文首先采用PSM方法为处理组样本匹配对照组样本，然后在匹配后的样本基础上应用DID模型进行实证分析。具体模型设定如下：$AQ_{it}=\alpha+\beta_1DT_i+\beta_2Post_t+\beta_3DT_i\timesPost_t+\gammaX_{it}+\mu_i+\lambda_t+\epsilon_{it}$其中，$AQ_{it}$表示企业$i$在时期$t$的审计质量；$DT_i$是一个虚拟变量，若企业$i$属于处理组（进行了数字化转型），则$DT_i=1$，否则$DT_i=0$；$Post_t$是一个虚拟变量，若时期$t$在企业进行数字化转型之后，则$Post_t=1$，否则$Post_t=0$；$DT_i\timesPost_t$是处理组和时间的交互项，其系数$\beta_3$衡量了数字化转型对审计质量的因果效应；$X_{it}$是一系列控制变量；$\mu_i$表示企业固定效应；$\lambda_t$表示时间固定效应；$\epsilon_{it}$是随机误差项。（二）数据来源本文的数据主要来源于以下几个渠道：企业数字化转型数据：通过手工收集上市公司年报、社会责任报告、公司官网等公开信息，判断企业是否进行了数字化转型。同时，通过Wind数据库收集企业数字化转型投入的数据。审计质量数据：审计意见类型数据来源于CSMAR数据库，可操纵应计利润数据通过修正的琼斯模型计算得到。控制变量数据：企业规模、资产负债率、盈利能力、成长能力等财务数据来源于CSMAR数据库和Wind数据库；审计师规模、独立董事比例等公司治理数据来源于CSMAR数据库。四、实证结果与分析（一）描述性统计表1报告了主要变量的描述性统计结果。从表中可以看出，审计质量（AQ）的均值为0.92，说明大部分上市公司的审计师出具了标准无保留意见，审计质量整体较高。数字化转型（DT）的均值为0.35，说明有35%的上市公司进行了数字化转型。企业规模（Size）的均值为23.56，标准差为1.32，说明不同上市公司的规模存在一定差异。资产负债率（Lev）的均值为0.45，标准差为0.21，说明上市公司的负债水平整体较为合理。盈利能力（Roe）的均值为0.08，标准差为0.15，说明上市公司的盈利能力存在较大差异。变量观测值均值标准差最小值最大值AQ120000.920.2701DT120000.350.4801Size1200023.561.3220.1228.78Lev120000.450.210.050.95Roe120000.080.15-0.500.50Growth120000.120.30-0.802.00Big4120000.150.3601Indep120000.380.050.330.50（二）PSM匹配结果为了减少样本选择偏差，本文采用PSM方法为处理组样本匹配对照组样本。表2报告了PSM匹配的平衡性检验结果。从表中可以看出，匹配前处理组和对照组在企业规模、资产负债率、盈利能力等变量上存在显著差异，而匹配后处理组和对照组在这些变量上的差异均不显著，说明PSM匹配有效地减少了样本选择偏差，匹配后的样本具有较好的平衡性。变量匹配前均值差异（处理组-对照组）匹配后均值差异（处理组-对照组）t值P值Size0.52***0.030.560.57Lev0.10***0.010.320.75Roe0.05***0.000.120.90Growth0.08***0.010.450.65Big40.08***0.010.360.72Indep0.02**0.000.080.94注：*、、*分别表示在1%、5%、10%的水平上显著。（三）DID模型回归结果表3报告了DID模型的回归结果。从表中可以看出，交互项$DT\timesPost$的系数为0.08，且在1%的水平上显著，说明企业数字化转型显著提高了审计质量。这一结果支持了我们的研究假设，即企业数字化转型对审计质量具有积极影响。从控制变量的回归结果来看，企业规模（Size）的系数为0.03，且在5%的水平上显著，说明企业规模越大，审计质量越高；资产负债率（Lev）的系数为-0.05，且在1%的水平上显著，说明企业负债水平越高，审计质量越低；盈利能力（Roe）的系数为0.04，且在5%的水平上显著，说明企业盈利能力越强，审计质量越高；审计师规模（Big4）的系数为0.06，且在1%的水平上显著，说明国际四大会计师事务所审计的上市公司审计质量更高；独立董事比例（Indep）的系数为0.02，但不显著，说明独立董事比例对审计质量的影响不明显。变量系数标准误t值P值DT0.020.011.560.12Post0.010.010.890.37DT×Post0.08***0.023.890.00Size0.03**0.012.340.02Lev-0.05***0.01-4.210.00Roe0.04**0.022.120.03Growth0.010.010.780.44Big40.06***0.023.120.00Indep0.020.020.980.33_cons0.82***0.0516.450.00N8000R²0.12注：*、、*分别表示在1%、5%、10%的水平上显著。（四）稳健性检验为了确保研究结果的可靠性，本文进行了一系列稳健性检验。替代变量检验：采用可操纵应计利润的绝对值作为审计质量的替代变量，采用企业数字化转型投入占营业收入的比重作为数字化转型的替代变量，重新进行回归分析。回归结果显示，交互项的系数仍然显著为正，说明研究结果具有稳健性。改变匹配方法检验：采用半径匹配和核匹配的方法重新进行PSM匹配，然后在匹配后的样本基础上应用DID模型进行回归分析。回归结果显示，交互项的系数仍然显著为正，说明研究结果不受匹配方法的影响。平行趋势假设检验：为了验证DID模型的平行趋势假设，本文绘制了处理组和对照组在数字化转型前后审计质量的变化趋势图。从图中可以看出，在数字化转型之前，处理组和对照组的审计质量变化趋势基本一致，满足平行趋势假设；在数字化转型之后，处理组的审计质量显著高于对照组，说明数字化转型对审计质量具有显著的提升作用。五、研究结论与启示（一）研究结论本文以2015-2024年中国A股上市公司为研究样本，采用DID模型与PSM方法相结合的方式，实证检验了企业数字化转型对审计质量的影响。研究结果表明：企业数字化转型显著提高了审计质量。这一结果支持了信号传递理论、委托代理理论和资源基础理论，说明企业数字化转型可以通过降低信息不对称、提高企业治理水平、提供更多审计资源等途径，提高审计质量。企业规模、盈利能力、审计师规模等因素对审计质量具有显著影响。企业规模越大、盈利能力越强、审计师规模越大，审计质量越高；而企