5.3.4稳健性测试
改变Z值的分段方法，加入Z100（Z分值低于或者等于1的虚拟变量）代替Z181进行模拟，结果没有Z181拟合效果更好。
本文多元LOGIT回归中对部分缺失值用平均值代替进行回归，有效地增加了回归的样本量，但是会不会带来问题呢？作者将M5—2按照缺失值代替前的数据进行回归。可以看到，使用的样本数字大大减少，由于REPORTTIME数据2007年的缺失，如果不使用平均数代替，2007年所有的数据都将不能使用，所以，补充数字是必要的。补充前的数据进行检验，实际上是2001—2006年的数据，为了去掉缺失2007年REPORTTIME的影响，去掉REPORTTIME进行回归。M5—2中的回归结果多数一致，不同的有以下几个变量：行业变量C1，C2不显著；REC不再显著；ST在M5—2—2，M5—2—3中不显著，行业变量A，C0，C1在M5—2—2，M5—2—3中不显著。就缺失值补充前后的变化来看，除上述变量和REC之外，不影响其他变量的结果。
为了进一步考察不同年度的区别，将补充缺失数据前的数据分年度进行检验，仍然使用模型M5—2，但是增加预付账款PREPAY和其他应收款OTHERREC。增加两个变量后的模型总的预测能力与增加前均有不同程度的改善。
对照模型M5—2检验结果，并考虑M5—2结论分析中使用补充缺失数据后的样本数据，增加PREPEY和OTHERREC进行检验的结果，在对相关分年度结论的评价以及与前面混合年度的补充缺失值回归结果进行对比的时候，几个年度结果的综合标准：以显著性为准，其次相关性方向。2006、2007年度重大错报样本较少，适当降低重要性。能够得出结论，并能够对相关结论的证明力考虑标准：首先考虑2001—2007中7个年度显著变量的符号的统一性，其次考虑不显著变量的符号统一性。在考虑与模型M5—2结果一致性程度时候的原则是：首先考虑显著性的符号方向及次数，其次考虑不显著的符号方向及次数。
5.3.5实证研究结论
对结合相应的讨论和分析，在控制了可能的影响因素后，与RMM的相关关系可以得出以下结论：
（1）充分的证据表明CASHFU显著正相关。所有混合年度模型（M5—1，M5—2，M5—2—1，M5—2—2，M5—2—3，下同）均显著正相关，1%显著性水平，分年度检验除了2007年负相关（因为2006年、2007年违规样本较少，适当降低该两个年度的重要性，下同），不显著外，其他年度正相关，且一个年度5%水平显著。
（2）中等的证据表明CIRV显著负相关。所有混合年度模型显著负相关，两个模型5%显著性水平，两个10%显著性水平，一个不显著。分年度检验除了2007年正相关，不显著外，其他年度均负相关，但是不显著。向后剔除法未进入模型。
（3）较弱的证据表明CURR正相关。所有混合年度模型均显著正相关，均为1%显著性水平，分年度检验2001—2004正相关，一个年度5%显著，2005—2007年负相关，不显著。
（4）充分的证据表明EPS显著负相关。所有混合年度模型均显著负相关，1%显著性水平。分年度检验各年度均为负相关，三个年度显著，其中两个5%，一个10%水平上显著。
（5）中等的证据表明INV显著负相关，与预期不符。所有混合年度模型均显著负相关，1%显著性水平。分年度检验2005、2006年正相关，不显著。其他年度负相关，其中三个年度显著。
（6）充分的证据表明LAW显著负相关。所有混合年度模型均显著负相关，1%显著性水平。分年度检验各年度均为负相关，四个年度显著，一个1%水平显著，三个5%水平显著。
（7）充分的证据表明LLEV显著负相关。所有混合年度模型均显著负相关，1%显著性水平。分年度检验各年度均为负相关，四个年度显著，三个1%水平显著，一个5%水平显著。
（8）充分的证据表明LNASSET显著负相关。所有混合年度模型均显著负相关，1%显著性水平。分年度检验各年度均为负相关，四个年度显著，一个1%水平显著，两个5%水平显著，一个10%水平显著。
（9）充分的证据表明LOSS显著正相关。所有混合年度模型均显著正相关，均为1%显著性水平。分年度检验2001、2007负相关，不显著。2002—2006年度正相关，其中两个年度10%水平显著。
（10）中等的证据表明REC显著正相关。两个混合年度模型均显著正相关，10%显著性水平，三个5%水平正相关。分年度检验五个年度正相关，其中一个在10%水平上显著。两个年度不显著。向后剔除法模型中被剔除。
（11）充分的证据表明REPORTTIME显著正相关。所有混合年度模型均显著正相关，1%显著性水平。分年度检验各年度均为正相关，三个年度显著，其中一个1%水平显著，两个10%水平显著。
（12）充分的证据表明ROEL显著正相关。四个混合年度模型显著正相关，1%显著性水平；一个混合年度模型正相关，不显著。分年度检验两个年度负相关，不显著；五个年度正相关，其中两个10%水平显著。
（13）充分的证据表明SHANGHAI显著负相关。所有混合年度模型显著负相关，1%显著性水平。分年度检验全部年度负相关，两个年度1%水平显著，两个年度5%水平显著，两个年度10%水平显著。
（14）中等的证据表明ST显著正相关。混合年度模型两个10%显著正相关，两个个5%显著正相关，一个不显著。分年度检验中，四个年度负相关，不显著；三个年度正相关，其中一个年度显著。
（15）充分的证据表明STATE显著负相关。所有混合年度模型显著正相关，三个1%显著性水平，一个10%显著性水平。分年度检验六个年度负相关，其中一个1%水平显著，两个5%水平显著；一个年度正相关，不显著。
（16）充分的证据表明V1显著负相关。所有混合年度模型显著负相关，1%显著性水平。分年度检验全部年度负相关，两个年度显著，一个5%，一个10%水平上显著。
（17）充分的证据表明Z181显著正相关。所有混合年度模型显著正相关，1%显著性水平。分年度检验全部年度正相关，三个年度显著，两个1%，一个5%水平上显著。
（18）充分的证据表明OTHERREC显著正相关。所检验的混合年度三个模型均显著正相关，1%水平上显著。分年度检验六个年度正相关，其中三个年度显著，两个5%，一个10%水平上显著；分年度检验一个年度负相关，不显著。
（19）较弱的证据表明PREPAY显著正相关。所检验的三个混合年度模型中，一个显著正相关，1%水平上显著，两个不显著。分年度检验四个正相关，三个负相关，均不显著。
通过上述检验，除了INV，CURR，SHANGHAI三个自变量外，其他的检验均支持了前面的预期假定，验证了相关的分析。
INV预期正相关，但是实证检验相反，数据与理论和预期严重不符。原因可能是存货不易发现舞弊，监管部门检查难度大；即使通过存货进行会计盈余操纵，日后发现的将是营业收入，成本或者利润相关账户方面的内容，存货已经流转或者毁损，没有证据证实。这样存货较多的企业，有两种可能性，一是业务发展快的公司，同样的资产规模，有了更多的存货流转，存活库存增加，主营业务收入增加较快的公司盈利能力较好（作者构造模型，验证了主营业务收入与公司盈利能力正相关，限于篇幅，未报出检验结果），舞弊压力较小，反映INV与RMM负相关；另外一个是存货重大错报公司，目的是操纵利润，这样，其重大错报风险会由其他指标代替，例如盈利方面的指标，INV与RMM之间的相关性不明显。这样，两种力量的综合，表现出INV与RMM之间的负相关。
CURR预期流动性与RMM负相关，但是在实证检验中发现CURR其实已经被REC，INV，PREPAY，OTHERREC等流动性资产项目所分别代替，所以CURR的不符是合理的。逾期部分并没有分析CURR作为流动性项目，其中所隐含的会计信息舞弊机会以及非故意错报的可能性，而许多会计信息舞弊就是通过流动性项目进行的，这也得到OTHERREC（其他应收款）与RMM显著正相关的结论的验证。在控制了OTHERREC的影响后，CURR的显著性变得很不稳定，甚至不显著。说明了CURR代表的重大错报风险，很大程度上是OTHERREC所具有的风险含义。
SHANGHAI作为控制变量，可能与监管的力度有关系，不作过多讨论。
第四节本章小结
本章首先结合已有的研究文献，归纳出影响审计重大错报风险的一些特征变量，然后采用2001—2007年的会计信息违规披露数据，分别通过单变量和多变量回归进行检验，得出了较为可靠的结论。这些结论涉及的重大错风险特征包括财务指标，公司治理指标，和环境三个方面。
（1）财务指标中，经营现金流，与盈利有关的指标（ROEL，LOSS，ST，EPS），以及财务综合指标Z与重大错报风险有着显著的相关性；除此之外，REC，LNASSET，OTHERREC等指标也对重大错报风险有着显著的影响。
（2）在公司治理变量中，第一大流通股比例越大，现实的代理冲突越大，与控股股东之间起到一定公司治理作用，对管理层有着一定的约束，减少了重大错报风险，国有股股东的背景使得上市公司在与政府的交易中减少了费用，经营环境相对较好，重大错报风险较低。第一大股东对上市公司的治理起着重要作用，比例越大，与上市公司的利益趋同效应越明显，增加了对上市公司的管理层的约束核监督（代理冲突较小），降低了重大错报风险。关于第一大流通股比例和第一大股东比例的相关结果部分验证了假设，即代理冲突越大的上市公司重大错报风险越大。
另外，债务中的长期负债也起到一定治理作用，有着降低重大错报风险的作用。
（3）环境变量中，法律环境对降低重大错报风险影响较大，提高了上市公司的会计信息披露质量。
总之，重大错报风险既与财务指标相联系，也受到治理和法律环境的影响。各种力量的交互作用，最终决定了上市公司的会计信息披露质量，并影响着审计师的重大错报风险的评价。
本章的检验提供了各分项指标的风险含义，并且模型的较好的预测能力为下一章提供了较好的重大错报风险综合指标。