一、統(tǒng)計(jì)檢驗(yàn)與實(shí)證會計(jì)研究方法之關(guān)系

　　有比較才能有鑒別。為認(rèn)清實(shí)證會計(jì)研究方法的特點(diǎn)，我們不妨先把它和傳統(tǒng)的規(guī)范會計(jì)作一考察對比。

　　規(guī)范會計(jì)學(xué)是一套關(guān)于“應(yīng)該是什么”的系統(tǒng)知識體系，它以若干會計(jì)假定為起點(diǎn)（根據(jù)我國《企業(yè)會計(jì)準(zhǔn)則》，會計(jì)假定包括會計(jì)主體假定、持續(xù)經(jīng)營假定、會計(jì)分期假定以及貨幣計(jì)量假定），通過提出一系列基本的會計(jì)原則、會計(jì)準(zhǔn)則的規(guī)范要求，從邏輯高度上概括或指明最優(yōu)化的會計(jì)實(shí)務(wù)是什么，進(jìn)而指導(dǎo)實(shí)務(wù)，規(guī)范實(shí)務(wù)。實(shí)證會計(jì)理論是一套關(guān)于會計(jì)“是什么”的系統(tǒng)知識體系，目的在于揭示會計(jì)現(xiàn)象的內(nèi)在規(guī)律性，從而為解釋現(xiàn)行會計(jì)實(shí)務(wù)和預(yù)測未來會計(jì)實(shí)務(wù)提供理論依據(jù)。

　　規(guī)范會計(jì)研究的這種作法自有其道理。因?yàn)閷ΜF(xiàn)實(shí)進(jìn)行抽象是一切科學(xué)研究的起點(diǎn)。具體的會計(jì)實(shí)務(wù)成千上萬，它們雖能幫助我們增加對會計(jì)的親切感，但如果不作抽象，系統(tǒng)的會計(jì)知識就不可能形成。概念的抽象能夠彌補(bǔ)行知的不足。這可以視為一個(gè)普遍的規(guī)律。

　　實(shí)證會計(jì)研究的核心是：根據(jù)經(jīng)濟(jì)學(xué)等有關(guān)理論，設(shè)立各種有關(guān)影響會計(jì)事務(wù)因素的假設(shè)，然后采用一定的科學(xué)方法，進(jìn)行實(shí)際的調(diào)查研究，以證明這些假設(shè)的現(xiàn)實(shí)性。

　　由此可見，實(shí)證會計(jì)研究中所說的假設(shè)（Hypothesis）與規(guī)范會計(jì)研究中所說的假定（Assumption）是完全不同的概念。規(guī)范研究中所說的假定，是對所研究問題設(shè)定的基礎(chǔ)條件，亦即研究之前根據(jù)人們的某種共識或前人的權(quán)威論斷，研究者對問題存在的主客觀環(huán)境作出一些限制性約定，如經(jīng)濟(jì)行為遵循的規(guī)則、價(jià)值判斷的依據(jù)、特定的歷史、經(jīng)濟(jì)、文化環(huán)境以及行為主體的基本特質(zhì)等等。作出這些約定，是為了使規(guī)范研究的問題環(huán)境得以簡化，邏輯推理有公認(rèn)的起點(diǎn)與規(guī)則。因此規(guī)范研究中所說的假定在該研究過程中是不可能改變的。不同的規(guī)范研究者對同一個(gè)問題可以建立不同的假定，這樣就可以導(dǎo)致不同的結(jié)論。規(guī)范研究的理論發(fā)展通常是通過對以前研究的前提假定作出修改或擴(kuò)展而實(shí)現(xiàn)的。

　　而實(shí)證研究中所說的假設(shè)，是對所研究問題的結(jié)果或狀態(tài)的一種預(yù)期，需要通過假設(shè)檢驗(yàn)，用證據(jù)判斷其真?zhèn)巍Ｒ簿褪钦f，經(jīng)過實(shí)證研究，開始時(shí)提出的假設(shè)，最終可能因得到實(shí)際資料的支持而被認(rèn)可，也可能，由于實(shí)際資料不支持而被拒絕。若一個(gè)假設(shè)可以用統(tǒng)計(jì)方法加以檢驗(yàn)的話，則這種假設(shè)就可視為能夠檢驗(yàn)的，也就是“可證偽的”，當(dāng)然，并非它一定會被證偽。

　　建立可證偽的假設(shè)就是建立可檢驗(yàn)的假設(shè)。之所以稱之為“可證偽的”假設(shè)，是因?yàn)榧僭O(shè)檢驗(yàn)統(tǒng)計(jì)方法的基本思路是利用樣本所提供的信息去論證是否可以據(jù)此推翻原假設(shè)。實(shí)證會計(jì)研究方法盡管有多種多樣，既有傳統(tǒng)的統(tǒng)計(jì)描述、回歸相關(guān)分析，也有比較高級的統(tǒng)計(jì)分析方法如方差分析、聚類分析、判別分析、因子分析、多元統(tǒng)計(jì)分析、條件概率、貝葉斯方法、定性資料的統(tǒng)計(jì)分析方法，等等，但使用這些方法的目的只有一個(gè)，那就是利用數(shù)據(jù)檢驗(yàn)假設(shè)，解釋結(jié)果并得出結(jié)論。因此，統(tǒng)計(jì)檢驗(yàn)是實(shí)證會計(jì)研究方法的核心。

　　二、統(tǒng)計(jì)檢驗(yàn)在實(shí)證會計(jì)一般實(shí)證過程中的體現(xiàn)

　　如上所述，抓住假設(shè)檢驗(yàn)在實(shí)證會計(jì)中的應(yīng)用，就意味著抓住了實(shí)證會計(jì)方法的關(guān)鍵。統(tǒng)計(jì)檢驗(yàn)在實(shí)證會計(jì)的一般實(shí)證過程中的核心作用可通過以下四個(gè)步驟來體現(xiàn)。

　　第一步：提出原假設(shè)和備擇假設(shè)

　　這是對研究人員處理問題能力的一種鍛煉，關(guān)鍵在于要把握住具體問題的會計(jì)學(xué)與經(jīng)濟(jì)學(xué)涵義。正確區(qū)分原假設(shè)和備擇假設(shè)是實(shí)證會計(jì)研究取得成功的前提。原假設(shè)通常用H[，0]表示，而備擇假設(shè)用H[，1]，或H[，a]表示。H[，0]指觀察到的差異只反映機(jī)會變異，而H[，1]或H[，a]指觀察到的差異是真實(shí)的。

　　第二步：選取作假設(shè)檢驗(yàn)用的統(tǒng)計(jì)量

　　這也是一種能力鍛煉，它注重的是研究人員運(yùn)用數(shù)理統(tǒng)計(jì)工具的能力。這一步和下一步，從統(tǒng)計(jì)學(xué)上看難度較大。好在當(dāng)我們利用常用的統(tǒng)計(jì)量作推斷時(shí)均有數(shù)表可查。

　　為使統(tǒng)計(jì)量T發(fā)揮作用，它必須具備下列兩個(gè)重要性質(zhì)：一是當(dāng)H[，1]成立時(shí)，T（X[，1]，X[，2]……，X[，n]）的表現(xiàn)應(yīng)與當(dāng)H[，0]成立時(shí)的表現(xiàn)有所不同，因?yàn)門（X[，1]，X[，2]，……，X[，n]）是用來表明推翻H[，0]的證據(jù)之強(qiáng)弱的，并且一般地，實(shí)際情況和H[，0]的假定差別越大，T（X[，1]，X[，2]，……，X[，n]）的表現(xiàn)也就該越不相同；二是在假定H[，0]成立的條件下，T（X[，1]，X[，2]，……，X[，n]）的概率分布必須能夠計(jì)算出來（至少能近似地算出）。這個(gè)概率分布稱為零分布，它提供了一個(gè)基準(zhǔn)，據(jù)此判斷在假設(shè)H[，0]下，我們所觀察到的樣本數(shù)據(jù)相對于H[，0]而言合理或不合理的程度，可用以評價(jià)所得到的推翻H[，0]的證據(jù)的顯著（強(qiáng)弱）程度。

　　第三步：臨界區(qū)域的構(gòu)造及其利用

　　統(tǒng)計(jì)量T（X[，1]，X[，2]，……，X[，n]）選定之后，可以設(shè)問：“統(tǒng)計(jì)量的什么樣的樣本觀察值能夠表明我們得到了推翻H[，0]的證據(jù)？那種能表明H[，0]不成立的統(tǒng)計(jì)量觀察值的全體，就被稱為臨界區(qū)域。因此，若發(fā)現(xiàn)由數(shù)據(jù)算出的T（X[，1]，X[，2]，……，X[，n]）值位于臨界區(qū)域內(nèi)，我們就拒絕H[，0]而支持H[，1].此事一經(jīng)發(fā)生，就可以說得到了足以拒絕H[，0]的顯著證據(jù)，或者說，T（X[，1]，X[，2]，……，X[，n]）的值是顯著的；但若T（X[，1]，X[，2]，……，X[，n]）不在臨界區(qū)域內(nèi)，就表示沒有足夠的證據(jù)拒絕H[，0]而支持H[，1]，這時(shí)就可以說T（X[，1]，X[，2]，……，X[，n]）值是不顯著的。

　　第四步：顯著性水平的確定及臨界值的決定

　　如果確認(rèn)T≥c為臨界區(qū)域合適的模型（自然可以討論T＞c、T≤c及T＜c的情形），c值該如何選？遺憾的是，無論在現(xiàn)實(shí)中怎樣確定拒絕或不拒絕H[，0]的標(biāo)準(zhǔn)，總有可能作出錯誤的結(jié)論。

　　例如，若臨界區(qū)域相對說來很大，則H[，0]有可能遭拒絕而事實(shí)上不該拒絕。另一方面，若把臨界區(qū)域做得很小，則在應(yīng)該拒絕H[，0]時(shí)反而沒有拒絕它。在實(shí)踐中，H[，0]的拒絕與否取決于檢驗(yàn)的顯著性水平。所謂顯著性水平，即當(dāng)客觀上H[，0]成立而被判不成立時(shí)，我們所需承擔(dān)的風(fēng)險(xiǎn)（此即“第1類錯誤”，通常用α表示）�？梢婏@著性水平就是當(dāng)H[，0]成立時(shí)獲得有顯著意義的拒絕H[，0]的T（X[，1]，X[，2]，……，X[，n]）值的概率。顯著性水平越高，臨界區(qū)域就越大；顯著性水平越低，臨界區(qū)域就越小。

　　在實(shí)證會計(jì)研究中，經(jīng)常采用的顯著性水平為1%，5%，10%（注：在實(shí)踐中，實(shí)證會計(jì)研究人員常使用P[-]值（即觀察到的顯著性水平）。使用P[-]值的好處是，一般地說，在單側(cè)檢驗(yàn)時(shí)，不明確的先驗(yàn)信息所導(dǎo)出后驗(yàn)概率與P[-]值近似，而經(jīng)典的犯第Ⅰ類錯誤及第Ⅱ類錯誤的概率通常都不與相應(yīng)的后驗(yàn)概率近似。）。

　　完成上述四個(gè)步驟之后，我們就可以作出關(guān)于H[，0]的結(jié)論了。首先，現(xiàn)實(shí)顯著性與統(tǒng)計(jì)顯著性是有差別的：現(xiàn)實(shí)顯著性著重在所觀察到的差異有無實(shí)際上的重要性，而統(tǒng)計(jì)顯著性則著重所觀察到的差異可否僅用隨即性去解釋；其次，統(tǒng)計(jì)上的顯著性不必有現(xiàn)實(shí)意義，但是，若現(xiàn)實(shí)的顯著性達(dá)不到統(tǒng)計(jì)顯著性，則不能充分使人信服，因其不能排除偶然因素的作用；最后，在實(shí)證會計(jì)研究中，這種對統(tǒng)計(jì)問題的解釋是需要謹(jǐn)慎對待的。

　　三、使用簡單假設(shè)檢驗(yàn)應(yīng)注意的問題

　　筆者認(rèn)為，使用簡單原假設(shè)檢驗(yàn)應(yīng)注意以下幾個(gè)問題。

　　首先，在概率論中，兩個(gè)隨機(jī)變量X，Y之間的相關(guān)程度常用相關(guān)系數(shù)ρ表示，它實(shí)際是線性相關(guān)性，且須假定X，Y均來自正態(tài)總體。因而，H[，0]：ρ=0，H[，1]：ρ≠0這種形式的檢驗(yàn)就很常見。（無論是原假設(shè)還是備擇假設(shè)，若原假設(shè)假定我們所關(guān)心的參數(shù)取單一數(shù)值，則稱為簡單原假設(shè)，否則就稱為復(fù)合原假設(shè)）若H[，0]成立，則X，Y之間不存在相關(guān)關(guān)系，一般說來，我們也就不必關(guān)心它們了。

　　其次，對容易量化與不容易量化者要有所選擇。在實(shí)證會計(jì)文獻(xiàn)中，這種形式的簡單原假設(shè)檢驗(yàn)也很普遍，但形式上有變化。人們更常用回歸方程能否通過統(tǒng)計(jì)檢驗(yàn)的方式，來考慮兩個(gè)隨機(jī)變量是否有相關(guān)關(guān)系（甚至是因果關(guān)系）。

　　比起直接考察H[，0]：ρ=0，H[，1]：ρ≠0，用回歸方程研究兩變量之間的關(guān)系，雖然計(jì)算上復(fù)雜一些，但問題的性質(zhì)并無改變：都是利用統(tǒng)計(jì)檢驗(yàn)對簡單假設(shè)作出取舍決定。當(dāng)然，使用回歸方程的形式自有其原因。

　　這種用回歸方程考察兩個(gè)隨機(jī)變量是否相關(guān)的簡單原假設(shè)檢驗(yàn)，應(yīng)引起我們的重視，因?yàn)�，這涉及與經(jīng)典答案完全不同的貝葉斯解釋（可惜許多實(shí)證會計(jì)文獻(xiàn)對此關(guān)注不夠）。

　　筆者發(fā)現(xiàn)，實(shí)證會計(jì)問題所涉及的隨機(jī)變量，往往是一個(gè)容易量化而另一個(gè)則不容易量化，須經(jīng)人為地“變量分解”才行。比如，美國學(xué)者M(jìn)ark H.Lang & Russell J.Lundholm在其“公司信息披露政策與財(cái)務(wù)分析師行為”一文中（注：Corporate Disclosure Policy and Analyst Behavior，by Mark H.Lang & Russell J.Lundholm，The Accounting Review，Vol.71.No.4，Oct1996.），就試圖考察“財(cái)務(wù)分析師人數(shù)”與“對某公司信息披露政策有了解”這兩個(gè)隨機(jī)變量之間是否存在關(guān)系。如果這兩個(gè)隨機(jī)變量都容易量化，則取一樣本（Xi，Yi），i=1，2……n，計(jì)算簡單相關(guān)系數(shù)r并對其作相應(yīng)的t[-]檢驗(yàn)或F[-]檢驗(yàn)，即可作出判斷。

　　在這個(gè)問題中，不好量化的顯然是“對某公司信息披露政策有了解”。Mark H.Lang & Russell J.Lundholm的做法是，設(shè)計(jì)7個(gè)可計(jì)量的（解釋）變量來近似表示“對某公司信息披露政策有了解”，從而建立“財(cái)務(wù)分析師人數(shù)”關(guān)于這7個(gè)解釋變量的回歸方程（注：Number of Anakysts=α+β[，1] Annual Report+β[，2] Other Publications+β[，3] Investor Relations+β[，4] Total Score+β[，5] Market Value+β[，6] Standard Deviation of ROE+β[，7] Return-Earnings Correlation+ε。），經(jīng)過抽取樣本，對數(shù)據(jù)作分析，兩位作者得出“財(cái)務(wù)分析師人數(shù)”與“對某公司信息披露政策有了解”兩變量之間有密切關(guān)系的結(jié)論。

　　兩個(gè)隨機(jī)變量，一個(gè)容易量化，一個(gè)不容易量化，選擇若干容易計(jì)量的變量代替不容易量化的變量，建立回歸方程，以研究所關(guān)心的兩個(gè)隨機(jī)現(xiàn)象之間的相關(guān)關(guān)系，這種例子俯拾皆是。這既是當(dāng)代統(tǒng)計(jì)學(xué)的發(fā)展趨勢，也是實(shí)證會計(jì)研究的特點(diǎn)所在，可以認(rèn)為是一個(gè)規(guī)律。我們認(rèn)為研究水平的高低往往取決于回歸自變量的選擇是否適當(dāng)。

　　H[,0]的后驗(yàn)概率 

　　z(P[-]值)　　　　　　　　　　　　　n
　　　　　　　　　　　1　　　5　　10　　 20　 　50　 　100　1000
　　1.645(0.1)　　　0.42　0.44　 0.49　 0.56　 0.65　 0.72　 0.89
　　1.960(0.05)　　 0.35　0.33　 0.37　 0.42　 0.52　 0.60　 0.80
　　2.576(0.01)　　 0.21　0.13　 0.14　 0.16　 0.22　 0.27　 0.53
　　3.291(0.001)　 0.086　0.026　0.024　0.026　0.034　0.045　0.124

　　
　�。ū颈礓涀浴敖y(tǒng)計(jì)決策論及貝葉斯分析”，第166頁，［美］James O.Berger著，賈乃光譯，吳喜之校譯，中國統(tǒng)計(jì)出版社1998）

　　第三，進(jìn)一步思考貝葉斯推斷的特點(diǎn)。進(jìn)行形如H[，0]：ρ=0，H[，1]：ρ≠0的原假設(shè)為簡單假設(shè)的檢驗(yàn)，通常是不適當(dāng)?shù)�。事�?shí)上，完全接受絲毫不差的ρ=0的可能性不存在。更合理的原假設(shè)應(yīng)該是ρ∈Θ0=（0-b，0+b），其中b＞0為某一常數(shù)，選擇b使ρ∈Θ0與ρ=0“難以區(qū)別”。

　　當(dāng)確知應(yīng)做檢驗(yàn)H[，0]：ρ∈Θ0=（0-b，0+b）時(shí)，需要知道何時(shí)以H[，0]：ρ=0作為近似是適宜的。按貝葉斯的觀點(diǎn)，此問題唯一明智的答案是，若這兩個(gè)檢驗(yàn)的H[，0]的后驗(yàn)概率近似相等，則這種近似就告成立，而出現(xiàn)這種情況的一個(gè)很強(qiáng)的條件是，觀測值的似然函數(shù)在（0-b，0+b）近似為常數(shù)。（注：對貝葉斯分析而言，直接處理區(qū)間的假設(shè)比審查用簡單假設(shè)做近似是否合適來得容易。但為了和經(jīng)典作對比，也可以進(jìn)行簡單原假設(shè)的貝葉斯檢驗(yàn)。）

　　就關(guān)于正態(tài)總體均值的簡單假設(shè)檢驗(yàn)而言（設(shè)方差已知），眾所周知，所用的檢驗(yàn)統(tǒng)計(jì)量是z.假如先驗(yàn)的具體值為μ=θ0，π0=1/2（π0為使原假設(shè)成立的參數(shù)集合之先驗(yàn)概率），σ=τ，則對各種z（選擇它使之相應(yīng)于經(jīng)典的雙側(cè)P[，-]值，或假設(shè)為簡單假設(shè)的檢驗(yàn)顯著性水平α）及n的后驗(yàn)概率由上表來給以列出。

　　此表的數(shù)值令人驚訝。因?yàn)槿粲捎^測值得到z=1.96，經(jīng)典理論拒絕H[，0]的顯著性水平σ為0.05.給人的印象是，這個(gè)值越小H[，0]越可能不成立。但H[，0]的后驗(yàn)卻很大，從n較小時(shí)的約1/3，到n較大時(shí)的接近于1.而當(dāng)z=1.96時(shí)，（對此具體先驗(yàn)而言）事實(shí)上幾乎不提供拒絕H[，0]的證據(jù)。貝葉斯推斷與經(jīng)典推斷的結(jié)論恰好相反（這矛盾被稱作Jeffreys悖論或Lindley悖論，人們發(fā)現(xiàn)它已近半個(gè)世紀(jì)了）。

　　這里有一個(gè)問題需要說明，即如何解釋經(jīng)由概率抽樣且樣本容量適中，在顯著性水平α為0.05水平上卻作出了關(guān)于正態(tài)總體（方差已知）均值的簡單假設(shè)檢驗(yàn)？

　　筆者認(rèn)為，這一悖論能促使我們進(jìn)一步思考貝葉斯推斷的特點(diǎn)，深化我們關(guān)于從樣本推斷總體的認(rèn)識。不言而喻，貝葉斯方法認(rèn)為樣本的作用是使對θ的認(rèn)識深化，由先驗(yàn)分布轉(zhuǎn)化為后驗(yàn)分布。后驗(yàn)分布包含了θ的先驗(yàn)信息與樣本觀測值提供的信息（先驗(yàn)密度因此不再包含任何信息），從而形成貝葉斯推斷的基礎(chǔ)。問題在于，“先驗(yàn)分布轉(zhuǎn)化為后驗(yàn)分布”是否具有完全性。特別是在經(jīng)典推斷與貝葉斯推斷所得結(jié)論不相協(xié)調(diào)時(shí)，更應(yīng)謹(jǐn)慎從事，例如可結(jié)合數(shù)據(jù)并注意到先驗(yàn)密度來對模型的適用性展開研究。這時(shí)，相關(guān)的會計(jì)專業(yè)知識及會計(jì)實(shí)踐經(jīng)驗(yàn)就能發(fā)揮作用。

　　「參考文獻(xiàn)」

　　[1]［美］Watts & Zimmerman.陳少華譯，實(shí)證會計(jì)理論[M].東北財(cái)經(jīng)大學(xué)出版社，1999.

　　[2]張朝宓、蘇文兵。當(dāng)代會計(jì)實(shí)證研究方法[M].東北財(cái)經(jīng)大學(xué)出版社，2001.

　　[3]［美］Berger.賈乃光譯，吳喜之校譯，統(tǒng)計(jì)決策論及貝葉斯分析[M].中國統(tǒng)計(jì)出版社，1998.