审计理论 陈汉文 第9章 审计职业判断新.pptVIP

职业判断是审计的精髓 判断的一致性(consistency) 三、判断决策过程 三、判断决策过程 三、判断决策过程 四、启发法 四、启发法 四、启发法 四、启发法 四、启发法 四、启发法 四、启发法 四、启发法 四、启发法 四、启发法 三、贝叶斯模型 主观概率是指在一定的条件下，对未来事件发生可能性大小的一种主观置信程度的度量。主观概率按其在贝叶斯模型(bayes model)的概率推理过程中的逻辑先后顺序，可划分成先验概率和后验概率。 客观概率 （由样本中所得到的概率 ） 修正 先验概率 （审计师在审查前对被审查总体所作的主观估计） 审计师根据判断和经验对事件出现的可能性作出估计 后验概率 （客观概率对审计师主观的先验概率进行修正 后得到） Company Logo 三、贝叶斯模型 j = 1 ,2 , .,k； xj表示审计总体中可能出现的误差率； y表示样本中发现的实际误差率； P(x)表示先验概率； P(y|x)表示条件概率，它是根据总体中可能出现的误差率X1 ,X2 , .,Xk ， 并结合由样本发现的实际误差率计算出来的； P(y|x) P(x) 表示联合概率,它说明审查总体的潜在误差率； P(x|y) 表示后验概率，它是由联合概率调整过来的 Company Logo 三、贝叶斯模型 贝叶斯模型与透镜回归模型比较 审计师需综合大量线索直接形成最终预测，不存在形式上的过渡 审计师先要根据其积累的经验和事件相关情况的事前了解估测出事件各种可能状态的先验概率，然后以此为基础，根据每条信息，逐步调整对概率分布的估计 评定判断绩效的标准，除了事件的实际结果外，为线性回归机械模型的预测值 评定判断绩效的标准则为贝叶斯公式的结果。贝叶斯公式的结果通常可用来评判人们加工概率信息的水平 审计师需对事件的真实状态作最佳的分类性预测 审计师需对事件各种可能状态的概率分布作出估计 透镜回归模型 贝叶斯模型 三、贝叶斯模型 所有可能 状态一定 运用贝叶斯公式需要满足的5个条件 所有备选 方案一定 所有关键 因素已知 所有相关数 据已收集 不管条件是否具备，运用贝叶斯公式有一个显著的优点，就是能够保持 概率推理方法的一贯性 所有对数据 的解释已知 主观概率求导，就是采 用一定方法，将审计师 对未来事件发生可能性 大小的主观度量具体化 和数量化 三、贝叶斯模型 先验概率作为贝叶斯模型的输人变量，是从 事贝叶斯推理的先决条件；不同的求导方法 ，可能产生不等的先验概率，从而决定了输 出变量（后验概率）的不同 从求导出的主观概率中，可以观察人们实际 进行概率推理的特征及其与贝叶斯规范模型 的区别 三、贝叶斯模型 认知心理学中有关信息加工的主观概率求导方法很多，可分为 直接法（direct method）和间接法（indirect method） 即确定数值Y，使变量小于Y的概率为多少 累积概率分布函数法 询问变量X的最可能值为多少，变量X的预期最大值（最小值）为多少时，X的实际值大于（小于）它的概率为多少 最可能极值估计法 即询问X值确定，变量Y位于（X1, X2），(X2, X3)等区间的概率 概率密度函数估计法 即要求被试者绘制概率分布曲线图 图形法 即询问结果X出现的概率与结果Y出现的概率比值为多少 比率估计法 即询问X值确定，变量Y小于或等于X0的概率为多少 数值估计 直接法（direct method） 三、贝叶斯模型 即根据被试者在标准抽彩中的赌博行为推测主观概率 行为法 即要求被试者确定与主观概率相对应的假设性样本的容量n及成功次数r 事先样本等价法 即要求被试者在获悉独立随机选取假定样本的结果后，说明他对概率估计的改变情况 假设性未来样本法 即确定概率分布参数，如正态分布的均值与方差 分布参数估计法 间接法（indirect method） 三、贝叶斯模型 Corless （1972） 按贝叶斯模型确定的样本容量，与审计师通过判断抽样确定的 样本容量没有联系 。审计师不是贝叶斯类型的信息加工者，相 反，他们采用的是判断的启发法 M. A. Cro （1980） 以高级审计师为被试者的属性抽样实验中，将审计师的主观错 误率修正，与贝叶斯模型的错误率修正进行了对比，结果发现 当错误数量不多时，用贝叶斯模型评价审计证据，比审计师的 主观评价，能获得更高的保证水平 M.J.Abdolmo- Hammadi (1986) 发现在符合性测试中，贝叶斯技术比传统的统计抽样方法更为 有效。在相同的置信水平(95%)下，运用贝叶斯技术可以使用容 量较小的样本。但在概率修正问