企業(yè)數(shù)字化轉(zhuǎn)型對審計質(zhì)量影響Heckman兩階段與PSM結(jié)合

企業(yè)數(shù)字化轉(zhuǎn)型對審計質(zhì)量影響Heckman兩階段與PSM結(jié)合一、企業(yè)數(shù)字化轉(zhuǎn)型與審計質(zhì)量的理論關(guān)聯(lián)在數(shù)字經(jīng)濟(jì)浪潮的席卷下，企業(yè)數(shù)字化轉(zhuǎn)型已成為不可逆轉(zhuǎn)的趨勢。從底層技術(shù)架構(gòu)到前端業(yè)務(wù)場景，數(shù)字化正在重塑企業(yè)的運營模式、管理流程和價值創(chuàng)造方式。而審計作為企業(yè)治理體系中的關(guān)鍵環(huán)節(jié)，其質(zhì)量不僅關(guān)乎投資者的決策判斷，更影響著資本市場的穩(wěn)定與效率。探討企業(yè)數(shù)字化轉(zhuǎn)型對審計質(zhì)量的影響，既是順應(yīng)時代發(fā)展的必然要求，也是深化審計理論研究、完善審計實踐的重要課題。（一）企業(yè)數(shù)字化轉(zhuǎn)型的內(nèi)涵與特征企業(yè)數(shù)字化轉(zhuǎn)型并非簡單的技術(shù)升級，而是一場涉及戰(zhàn)略、組織、流程和文化的全方位變革。它以云計算、大數(shù)據(jù)、人工智能、區(qū)塊鏈等新一代信息技術(shù)為支撐，通過對企業(yè)內(nèi)部數(shù)據(jù)的深度挖掘、整合與分析，實現(xiàn)業(yè)務(wù)流程的自動化、智能化和優(yōu)化升級。具體而言，企業(yè)數(shù)字化轉(zhuǎn)型具有以下幾個顯著特征：數(shù)據(jù)驅(qū)動決策：數(shù)字化轉(zhuǎn)型使得企業(yè)能夠?qū)崟r獲取、存儲和處理海量的內(nèi)外部數(shù)據(jù)。這些數(shù)據(jù)涵蓋了市場動態(tài)、客戶需求、生產(chǎn)運營、財務(wù)狀況等多個維度，為企業(yè)管理層提供了全面、準(zhǔn)確的決策依據(jù)。例如，通過對銷售數(shù)據(jù)的分析，企業(yè)可以精準(zhǔn)把握客戶偏好，優(yōu)化產(chǎn)品結(jié)構(gòu)；通過對生產(chǎn)數(shù)據(jù)的監(jiān)控，企業(yè)可以及時發(fā)現(xiàn)生產(chǎn)過程中的瓶頸，提高生產(chǎn)效率。業(yè)務(wù)流程重構(gòu)：數(shù)字化轉(zhuǎn)型打破了傳統(tǒng)企業(yè)內(nèi)部各部門之間的信息壁壘，推動業(yè)務(wù)流程的重新設(shè)計和優(yōu)化。以供應(yīng)鏈管理為例，數(shù)字化技術(shù)可以實現(xiàn)供應(yīng)商、制造商、分銷商和客戶之間的信息共享，使得供應(yīng)鏈各環(huán)節(jié)能夠?qū)崟r協(xié)同運作，降低庫存成本，提高供應(yīng)鏈的響應(yīng)速度。組織模式變革：為了適應(yīng)數(shù)字化轉(zhuǎn)型的需求，企業(yè)的組織模式也在發(fā)生深刻變革。傳統(tǒng)的層級式組織結(jié)構(gòu)逐漸向扁平化、網(wǎng)絡(luò)化和柔性化方向發(fā)展，強(qiáng)調(diào)員工的自主創(chuàng)新能力和團(tuán)隊協(xié)作精神。同時，企業(yè)還通過建立數(shù)字化平臺，吸引外部合作伙伴參與到企業(yè)的價值創(chuàng)造過程中，形成開放、共享的生態(tài)系統(tǒng)。（二）審計質(zhì)量的衡量維度與影響因素審計質(zhì)量是指審計工作的優(yōu)劣程度，它直接關(guān)系到審計報告的可靠性和可信度。目前，學(xué)術(shù)界和實務(wù)界主要從以下幾個維度來衡量審計質(zhì)量：審計獨立性：審計獨立性是審計質(zhì)量的核心保障。它要求審計機(jī)構(gòu)和審計人員在執(zhí)行審計業(yè)務(wù)時，保持客觀、公正的態(tài)度，不受被審計單位或其他利益相關(guān)方的影響。審計獨立性包括形式上的獨立性和實質(zhì)上的獨立性兩個方面。形式上的獨立性是指審計機(jī)構(gòu)和審計人員與被審計單位之間不存在任何可能影響其獨立性的關(guān)系；實質(zhì)上的獨立性是指審計機(jī)構(gòu)和審計人員在內(nèi)心深處保持獨立，能夠客觀、公正地進(jìn)行審計判斷。審計專業(yè)勝任能力：審計專業(yè)勝任能力是指審計機(jī)構(gòu)和審計人員具備執(zhí)行審計業(yè)務(wù)所需的專業(yè)知識、技能和經(jīng)驗。它包括審計人員的專業(yè)教育背景、職業(yè)資格證書、培訓(xùn)經(jīng)歷以及實際審計工作經(jīng)驗等多個方面。具備較高專業(yè)勝任能力的審計人員能夠更好地理解被審計單位的業(yè)務(wù)和財務(wù)狀況，識別和評估審計風(fēng)險，從而提高審計質(zhì)量。審計程序執(zhí)行有效性：審計程序執(zhí)行有效性是指審計機(jī)構(gòu)和審計人員按照審計準(zhǔn)則的要求，合理、有效地執(zhí)行審計程序，獲取充分、適當(dāng)?shù)膶徲嬜C據(jù)。審計程序的執(zhí)行過程包括審計計劃的制定、內(nèi)部控制的了解和評價、實質(zhì)性程序的實施以及審計報告的編制等多個環(huán)節(jié)。只有確保審計程序的有效執(zhí)行，才能保證審計結(jié)論的可靠性。審計質(zhì)量受到多種因素的影響，主要包括審計機(jī)構(gòu)的規(guī)模和聲譽(yù)、審計人員的專業(yè)素質(zhì)和職業(yè)道德、被審計單位的治理結(jié)構(gòu)和內(nèi)部控制水平、審計市場的競爭程度以及監(jiān)管環(huán)境等。例如，大型審計機(jī)構(gòu)通常具有更豐富的審計資源和更嚴(yán)格的質(zhì)量控制體系，能夠提供更高質(zhì)量的審計服務(wù)；而被審計單位良好的治理結(jié)構(gòu)和內(nèi)部控制水平則有助于降低審計風(fēng)險，提高審計質(zhì)量。（三）企業(yè)數(shù)字化轉(zhuǎn)型對審計質(zhì)量的作用機(jī)制企業(yè)數(shù)字化轉(zhuǎn)型通過多種途徑對審計質(zhì)量產(chǎn)生影響，這些影響機(jī)制可以歸納為以下幾個方面：提高審計效率：企業(yè)數(shù)字化轉(zhuǎn)型使得審計人員能夠更便捷地獲取和分析被審計單位的財務(wù)和業(yè)務(wù)數(shù)據(jù)。通過利用大數(shù)據(jù)分析技術(shù)，審計人員可以在短時間內(nèi)對海量數(shù)據(jù)進(jìn)行篩選、比對和分析，快速發(fā)現(xiàn)異常交易和潛在的審計風(fēng)險。例如，通過對銷售數(shù)據(jù)的分析，審計人員可以識別出異常的銷售模式和客戶群體，從而有針對性地進(jìn)行審計調(diào)查。此外，數(shù)字化轉(zhuǎn)型還推動了審計程序的自動化，如自動化的內(nèi)部控制測試、財務(wù)報表數(shù)據(jù)分析等，大大減少了審計人員的手工工作量，提高了審計效率。增強(qiáng)審計獨立性：企業(yè)數(shù)字化轉(zhuǎn)型有助于減少審計人員與被審計單位之間的信息不對稱。審計人員可以通過數(shù)字化平臺實時獲取被審計單位的財務(wù)和業(yè)務(wù)數(shù)據(jù)，無需依賴被審計單位提供的紙質(zhì)資料，從而降低了被審計單位對審計過程的干預(yù)程度。同時，數(shù)字化轉(zhuǎn)型還使得審計機(jī)構(gòu)能夠建立更完善的質(zhì)量控制體系，加強(qiáng)對審計人員的監(jiān)督和管理，確保審計人員保持獨立、客觀的態(tài)度。提升審計專業(yè)判斷能力：企業(yè)數(shù)字化轉(zhuǎn)型帶來了大量的新型業(yè)務(wù)和復(fù)雜的交易模式，對審計人員的專業(yè)判斷能力提出了更高的要求。為了適應(yīng)這一變化，審計人員需要不斷學(xué)習(xí)和掌握新一代信息技術(shù)，提高自身的數(shù)據(jù)分析能力和風(fēng)險評估能力。通過對數(shù)字化數(shù)據(jù)的分析，審計人員可以更深入地了解被審計單位的業(yè)務(wù)實質(zhì)，準(zhǔn)確識別和評估審計風(fēng)險，從而做出更合理的審計判斷。促進(jìn)審計創(chuàng)新：企業(yè)數(shù)字化轉(zhuǎn)型為審計創(chuàng)新提供了技術(shù)支撐和應(yīng)用場景。審計機(jī)構(gòu)可以利用人工智能、區(qū)塊鏈等技術(shù)開發(fā)新型的審計工具和方法，如智能審計機(jī)器人、區(qū)塊鏈審計平臺等。這些新型審計工具和方法不僅能夠提高審計效率和質(zhì)量，還能夠拓展審計的范圍和深度，為審計行業(yè)的發(fā)展帶來新的機(jī)遇。二、Heckman兩階段模型與PSM方法的原理與應(yīng)用在研究企業(yè)數(shù)字化轉(zhuǎn)型對審計質(zhì)量的影響時，由于存在樣本選擇偏差和內(nèi)生性問題，傳統(tǒng)的回歸分析方法可能會導(dǎo)致估計結(jié)果的不準(zhǔn)確。為了克服這些問題，本文將采用Heckman兩階段模型與傾向得分匹配（PSM）方法相結(jié)合的研究設(shè)計，以提高研究結(jié)果的可靠性和準(zhǔn)確性。（一）Heckman兩階段模型的原理與步驟Heckman兩階段模型是由美國經(jīng)濟(jì)學(xué)家詹姆斯·赫克曼（JamesHeckman）于1979年提出的，主要用于解決樣本選擇偏差問題。該模型通過引入一個選擇方程，將樣本選擇過程納入到回歸分析中，從而對樣本選擇偏差進(jìn)行校正。Heckman兩階段模型的具體步驟如下：第一階段：Probit回歸：在第一階段，通過Probit回歸估計樣本選擇方程，計算出每個樣本被選中的概率（即傾向得分）。樣本選擇方程的一般形式為：$P(D_i=1|X_i)=\Phi(\alphaX_i)$其中，$D_i$是一個二元虛擬變量，表示第$i$個樣本是否被選中（$D_i=1$表示被選中，$D_i=0$表示未被選中）；$X_i$是影響樣本選擇的一系列自變量；$\alpha$是待估計的參數(shù)向量；$\Phi(\cdot)$是標(biāo)準(zhǔn)正態(tài)分布的累積分布函數(shù)。第二階段：主回歸分析：在第二階段，將第一階段計算得到的傾向得分納入到主回歸方程中，對樣本選擇偏差進(jìn)行校正。主回歸方程的一般形式為：$Y_i=\betaX_i+\lambda\hat{\rho}_i+\epsilon_i$其中，$Y_i$是被解釋變量；$X_i$是解釋變量；$\beta$是待估計的參數(shù)向量；$\hat{\rho}_i$是第一階段計算得到的逆米爾斯比率（InverseMillsRatio），它是傾向得分的函數(shù)；$\epsilon_i$是隨機(jī)誤差項。通過在主回歸方程中引入逆米爾斯比率，可以控制樣本選擇偏差對估計結(jié)果的影響。（二）PSM方法的原理與步驟傾向得分匹配（PropensityScoreMatching，PSM）方法是由羅森鮑姆（Rosenbaum）和魯賓（Rubin）于1983年提出的，主要用于解決處理組和對照組之間的系統(tǒng)性差異問題。該方法通過計算每個樣本的傾向得分，將處理組樣本與具有相似傾向得分的對照組樣本進(jìn)行匹配，從而構(gòu)建一個近似隨機(jī)的實驗環(huán)境，減少選擇性偏差對估計結(jié)果的影響。PSM方法的具體步驟如下：估計傾向得分：首先，通過Logit或Probit回歸估計每個樣本的傾向得分。傾向得分是指在給定一系列自變量的情況下，樣本被分配到處理組的概率。傾向得分的估計模型可以表示為：$P(D_i=1|X_i)=F(\gammaX_i)$其中，$D_i$是一個二元虛擬變量，表示第$i$個樣本是否屬于處理組（$D_i=1$表示屬于處理組，$D_i=0$表示屬于對照組）；$X_i$是影響樣本分配的一系列自變量；$\gamma$是待估計的參數(shù)向量；$F(\cdot)$是Logit或Probit函數(shù)。匹配處理組和對照組樣本：在估計出傾向得分后，采用合適的匹配方法將處理組樣本與對照組樣本進(jìn)行匹配。常用的匹配方法包括最近鄰匹配、卡尺匹配、核匹配和馬氏匹配等。最近鄰匹配是將每個處理組樣本與傾向得分最接近的一個或多個對照組樣本進(jìn)行匹配；卡尺匹配是在最近鄰匹配的基礎(chǔ)上，設(shè)定一個卡尺范圍，只匹配傾向得分在該范圍內(nèi)的對照組樣本；核匹配是利用核函數(shù)對對照組樣本進(jìn)行加權(quán)，構(gòu)建一個與處理組樣本相似的合成對照組；馬氏匹配是根據(jù)樣本的協(xié)變量特征進(jìn)行匹配，使得處理組和對照組樣本在協(xié)變量上的差異最小化。平衡性檢驗：匹配完成后，需要對處理組和對照組樣本進(jìn)行平衡性檢驗，以確保匹配后的樣本在協(xié)變量上不存在顯著差異。平衡性檢驗的方法主要包括t檢驗和標(biāo)準(zhǔn)化偏差檢驗。t檢驗用于比較處理組和對照組樣本在每個協(xié)變量上的均值是否存在顯著差異；標(biāo)準(zhǔn)化偏差檢驗用于衡量處理組和對照組樣本在協(xié)變量上的差異程度，標(biāo)準(zhǔn)化偏差的計算公式為：$SB=\frac{\bar{X}_1-\bar{X}_0}{\sqrt{\frac{s_1^2+s_0^2}{2}}}\times100%$其中，$\bar{X}_1$和$\bar{X}_0$分別是處理組和對照組樣本在協(xié)變量$X$上的均值；$s_1^2$和$s_0^2$分別是處理組和對照組樣本在協(xié)變量$X$上的方差。一般認(rèn)為，當(dāng)標(biāo)準(zhǔn)化偏差的絕對值小于10%時，處理組和對照組樣本在該協(xié)變量上的差異可以忽略不計，匹配效果較好。估計平均處理效應(yīng)：在確保匹配效果良好的基礎(chǔ)上，通過比較處理組和對照組樣本在被解釋變量上的均值差異，估計企業(yè)數(shù)字化轉(zhuǎn)型對審計質(zhì)量的平均處理效應(yīng)（AverageTreatmentEffectontheTreated，ATT）。平均處理效應(yīng)的計算公式為：$ATT=E(Y_1-Y_0|D=1)=E(Y_1|D=1)-E(Y_0|D=1)$其中，$Y_1$是處理組樣本在被解釋變量上的取值；$Y_0$是對照組樣本在被解釋變量上的取值；$E(\cdot)$表示期望算子。（三）Heckman兩階段與PSM結(jié)合的優(yōu)勢將Heckman兩階段模型與PSM方法相結(jié)合，可以充分發(fā)揮兩種方法的優(yōu)勢，更好地解決樣本選擇偏差和內(nèi)生性問題。具體而言，這種結(jié)合具有以下幾個方面的優(yōu)勢：更全面地控制選擇性偏差：Heckman兩階段模型通過引入選擇方程，能夠?qū)颖具x擇過程中的不可觀測因素進(jìn)行控制；而PSM方法通過匹配處理組和對照組樣本，能夠?qū)颖具x擇過程中的可觀測因素進(jìn)行控制。將兩種方法相結(jié)合，可以更全面地控制選擇性偏差對估計結(jié)果的影響，提高研究結(jié)果的可靠性。提高估計結(jié)果的準(zhǔn)確性：Heckman兩階段模型和PSM方法都能夠在一定程度上解決內(nèi)生性問題，但它們的適用場景和假設(shè)條件有所不同。將兩種方法相結(jié)合，可以相互補(bǔ)充，降低單一方法可能存在的估計偏差，提高估計結(jié)果的準(zhǔn)確性。增強(qiáng)研究結(jié)論的穩(wěn)健性：通過同時采用Heckman兩階段模型和PSM方法進(jìn)行分析，可以對研究結(jié)論進(jìn)行交叉驗證。如果兩種方法得到的研究結(jié)論一致，則說明研究結(jié)論具有較高的穩(wěn)健性；如果兩種方法得到的研究結(jié)論存在差異，則需要進(jìn)一步分析差異產(chǎn)生的原因，以確保研究結(jié)論的可靠性。三、研究設(shè)計與數(shù)據(jù)來源（一）研究變量的定義與測量被解釋變量：審計質(zhì)量（AQ）：審計質(zhì)量是本文的核心被解釋變量。目前，學(xué)術(shù)界和實務(wù)界主要采用以下幾種方法來衡量審計質(zhì)量：（1）審計意見類型：審計意見類型是衡量審計質(zhì)量的常用指標(biāo)之一。一般認(rèn)為，標(biāo)準(zhǔn)無保留審計意見代表著較高的審計質(zhì)量，而非標(biāo)準(zhǔn)審計意見（如保留意見、否定意見、無法表示意見等）則代表著較低的審計質(zhì)量。本文將審計意見類型設(shè)置為一個二元虛擬變量，當(dāng)審計意見為標(biāo)準(zhǔn)無保留意見時，取值為1；當(dāng)審計意見為非標(biāo)準(zhǔn)審計意見時，取值為0。（2）可操控性應(yīng)計利潤：可操控性應(yīng)計利潤是指企業(yè)管理層通過操縱會計政策和會計估計等手段，對凈利潤進(jìn)行調(diào)節(jié)的部分?？刹倏匦詰?yīng)計利潤的絕對值越大，說明企業(yè)的盈余管理程度越高，審計質(zhì)量越低。本文采用修正的瓊斯模型來計算可操控性應(yīng)計利潤，具體計算公式如下：$TA_{it}/A_{it-1}=\alpha_1(1/A_{it-1})+\alpha_2(\DeltaREV_{it}-\DeltaREC_{it})/A_{it-1}+\alpha_3(PPE_{it}/A_{it-1})+\epsilon_{it}$其中，$TA_{it}$是第$i$家企業(yè)第$t$年的總應(yīng)計利潤，等于凈利潤減去經(jīng)營活動現(xiàn)金流量凈額；$A_{it-1}$是第$i$家企業(yè)第$t-1$年末的總資產(chǎn)；$\DeltaREV_{it}$是第$i$家企業(yè)第$t$年的營業(yè)收入變動額；$\DeltaREC_{it}$是第$i$家企業(yè)第$t$年的應(yīng)收賬款變動額；$PPE_{it}$是第$i$家企業(yè)第$t$年末的固定資產(chǎn)凈額；$\epsilon_{it}$是隨機(jī)誤差項。通過對上述模型進(jìn)行回歸分析，可以得到各參數(shù)的估計值，進(jìn)而計算出可操控性應(yīng)計利潤（$DA_{it}$）。（3）審計費用：審計費用是審計機(jī)構(gòu)為提供審計服務(wù)而收取的費用。一般認(rèn)為，審計費用越高，說明審計機(jī)構(gòu)投入的審計資源越多，審計質(zhì)量越高。本文采用審計費用的自然對數(shù)作為審計質(zhì)量的衡量指標(biāo)。為了確保研究結(jié)論的穩(wěn)健性，本文將同時采用上述三種方法來衡量審計質(zhì)量，并分別進(jìn)行回歸分析。解釋變量：企業(yè)數(shù)字化轉(zhuǎn)型（DT）：企業(yè)數(shù)字化轉(zhuǎn)型是本文的核心解釋變量。目前，學(xué)術(shù)界主要采用以下幾種方法來衡量企業(yè)數(shù)字化轉(zhuǎn)型程度：（1）文本分析法：通過對企業(yè)年報、社會責(zé)任報告等公開披露文件中的數(shù)字化相關(guān)關(guān)鍵詞進(jìn)行統(tǒng)計分析，構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)。具體而言，本文首先確定了一系列與企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞，如“云計算”、“大數(shù)據(jù)”、“人工智能”、“區(qū)塊鏈”、“物聯(lián)網(wǎng)”等；然后，對每家企業(yè)的年報進(jìn)行文本分析，統(tǒng)計這些關(guān)鍵詞在年報中出現(xiàn)的頻率；最后，根據(jù)關(guān)鍵詞的出現(xiàn)頻率，構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)。（2）研發(fā)投入強(qiáng)度：研發(fā)投入強(qiáng)度是指企業(yè)研發(fā)投入占營業(yè)收入的比重。一般認(rèn)為，研發(fā)投入強(qiáng)度越高，說明企業(yè)對數(shù)字化轉(zhuǎn)型的重視程度越高，數(shù)字化轉(zhuǎn)型程度也越高。本文采用企業(yè)研發(fā)投入占營業(yè)收入的比重作為企業(yè)數(shù)字化轉(zhuǎn)型的衡量指標(biāo)之一。（3）數(shù)字化人才占比：數(shù)字化人才占比是指企業(yè)中從事數(shù)字化相關(guān)工作的員工占總員工數(shù)的比重。一般認(rèn)為，數(shù)字化人才占比越高，說明企業(yè)的數(shù)字化轉(zhuǎn)型程度越高。本文采用企業(yè)數(shù)字化人才占總員工數(shù)的比重作為企業(yè)數(shù)字化轉(zhuǎn)型的衡量指標(biāo)之一。為了更全面地衡量企業(yè)數(shù)字化轉(zhuǎn)型程度，本文將采用文本分析法構(gòu)建的企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)作為主要解釋變量，并同時采用研發(fā)投入強(qiáng)度和數(shù)字化人才占比作為替代解釋變量，進(jìn)行穩(wěn)健性檢驗?？刂谱兞浚簽榱丝刂破渌蛩貙徲嬞|(zhì)量的影響，本文選取了一系列控制變量，主要包括企業(yè)規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、盈利能力（ROA）、成長能力（Growth）、股權(quán)集中度（Top1）、董事會獨立性（Indep）、審計機(jī)構(gòu)規(guī)模（Big4）等。各控制變量的具體定義和測量方法如下：（1）企業(yè)規(guī)模（Size）：采用企業(yè)年末總資產(chǎn)的自然對數(shù)來衡量。（2）資產(chǎn)負(fù)債率（Lev）：采用企業(yè)年末總負(fù)債與總資產(chǎn)的比值來衡量。（3）盈利能力（ROA）：采用企業(yè)年末凈利潤與總資產(chǎn)的比值來衡量。（4）成長能力（Growth）：采用企業(yè)營業(yè)收入增長率來衡量，計算公式為（本年營業(yè)收入-上年營業(yè)收入）/上年營業(yè)收入。（5）股權(quán)集中度（Top1）：采用第一大股東持股比例來衡量。（6）董事會獨立性（Indep）：采用獨立董事人數(shù)占董事會總?cè)藬?shù)的比例來衡量。（7）審計機(jī)構(gòu)規(guī)模（Big4）：設(shè)置一個二元虛擬變量，當(dāng)企業(yè)聘請的審計機(jī)構(gòu)為國際四大會計師事務(wù)所（普華永道、德勤、安永、畢馬威）時，取值為1；否則，取值為0。（二）模型構(gòu)建Heckman兩階段模型：為了檢驗企業(yè)數(shù)字化轉(zhuǎn)型對審計質(zhì)量的影響，并解決樣本選擇偏差問題，本文構(gòu)建了如下Heckman兩階段模型：第一階段（選擇方程）：$P(DT_i=1|X_i)=\Phi(\alpha_0+\alpha_1Size_i+\alpha_2Lev_i+\alpha_3ROA_i+\alpha_4Growth_i+\alpha_5Top1_i+\alpha_6Indep_i+\alpha_7Big4_i+\epsilon_i)$其中，$DT_i$是一個二元虛擬變量，表示第$i$家企業(yè)是否進(jìn)行了數(shù)字化轉(zhuǎn)型（$DT_i=1$表示進(jìn)行了數(shù)字化轉(zhuǎn)型，$DT_i=0$表示未進(jìn)行數(shù)字化轉(zhuǎn)型）；$X_i$是一系列控制變量；$\alpha_0$是截距項；$\alpha_1-\alpha_7$是待估計的參數(shù)向量；$\Phi(\cdot)$是標(biāo)準(zhǔn)正態(tài)分布的累積分布函數(shù)；$\epsilon_i$是隨機(jī)誤差項。第二階段（主回歸方程）：$AQ_i=\beta_0+\beta_1DT_i+\beta_2Size_i+\beta_3Lev_i+\beta_4ROA_i+\beta_5Growth_i+\beta_6Top1_i+\beta_7Indep_i+\beta_8Big4_i+\lambda\hat{\rho}_i+\mu_i$其中，$AQ_i$是審計質(zhì)量；$DT_i$是企業(yè)數(shù)字化轉(zhuǎn)型；$X_i$是一系列控制變量；$\beta_0$是截距項；$\beta_1-\beta_8$是待估計的參數(shù)向量；$\hat{\rho}_i$是第一階段計算得到的逆米爾斯比率；$\mu_i$是隨機(jī)誤差項。PSM模型：為了進(jìn)一步檢驗企業(yè)數(shù)字化轉(zhuǎn)型對審計質(zhì)量的影響，并解決處理組和對照組之間的系統(tǒng)性差異問題，本文構(gòu)建了如下PSM模型：首先，通過Probit回歸估計每家企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的傾向得分：$P(DT_i=1|X_i)=\Phi(\gamma_0+\gamma_1Size_i+\gamma_2Lev_i+\gamma_3ROA_i+\gamma_4Growth_i+\gamma_5Top1_i+\gamma_6Indep_i+\gamma_7Big4_i+\nu_i)$其中，各變量的定義與Heckman兩階段模型中的變量定義一致；$\gamma_0$是截距項；$\gamma_1-\gamma_7$是待估計的參數(shù)向量；$\Phi(\cdot)$是標(biāo)準(zhǔn)正態(tài)分布的累積分布函數(shù)；$\nu_i$是隨機(jī)誤差項。然后，采用最近鄰匹配方法，將進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)（處理組）與未進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)（對照組）進(jìn)行匹配，確保處理組和對照組企業(yè)在傾向得分上的差異最小。最后，通過比較處理組和對照組企業(yè)在審計質(zhì)量上的均值差異，估計企業(yè)數(shù)字化轉(zhuǎn)型對審計質(zhì)量的平均處理效應(yīng)。（三）數(shù)據(jù)來源與樣本選擇本文的研究數(shù)據(jù)主要來源于以下幾個渠道：企業(yè)財務(wù)數(shù)據(jù)和治理數(shù)據(jù)：來源于國泰安數(shù)據(jù)庫（CSMAR）和萬得數(shù)據(jù)庫（Wind）。這些數(shù)據(jù)包括企業(yè)的營業(yè)收入、凈利潤、總資產(chǎn)、總負(fù)債、研發(fā)投入、員工人數(shù)、股權(quán)結(jié)構(gòu)、董事會結(jié)構(gòu)等多個方面。企業(yè)數(shù)字化轉(zhuǎn)型數(shù)據(jù)：通過對企業(yè)年報進(jìn)行文本分析獲得。本文選取了2015-2024年中國A股上市公司的年報作為研究樣本，采用Python的自然語言處理工具對年報中的數(shù)字化相關(guān)關(guān)鍵詞進(jìn)行統(tǒng)計分析，構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)。審計數(shù)據(jù)：來源于國泰安數(shù)據(jù)庫（CSMAR）和中國注冊會計師協(xié)會網(wǎng)站。這些數(shù)據(jù)包括審計意見類型、審計費用、審計機(jī)構(gòu)名稱等多個方面。在樣本選擇過程中，本文遵循了以下幾個原則：剔除金融、保險類上市公司樣本。由于金融、保險類上市公司的業(yè)務(wù)特點和監(jiān)管要求與其他行業(yè)存在較大差異，其數(shù)字化轉(zhuǎn)型和審計質(zhì)量的影響因素也可能有所不同，因此本文將這類上市公司樣本予以剔除。剔除ST、*ST類上市公司樣本。ST、*ST類上市公司通常面臨著較大的經(jīng)營風(fēng)險和財務(wù)風(fēng)險，其審計質(zhì)量可能受到多種特殊因素的影響，因此本文將這類上市公司樣本予以剔除。剔除數(shù)據(jù)缺失的上市公司樣本。由于部分上市公司的財務(wù)數(shù)據(jù)、治理數(shù)據(jù)或數(shù)字化轉(zhuǎn)型數(shù)據(jù)存在缺失，可能會影響研究結(jié)果的準(zhǔn)確性，因此本文將這類上市公司樣本予以剔除。經(jīng)過上述篩選，本文最終得到了[X]家上市公司的[X]個年度觀測值，構(gòu)成了本文的研究樣本。四、實證結(jié)果與分析（一）描述性統(tǒng)計分析表1報告了主要研究變量的描述性統(tǒng)計結(jié)果。從表中可以看出：審計質(zhì)量（AQ）：采用審計意見類型衡量的審計質(zhì)量均值為[X]，說明大部分上市公司獲得了標(biāo)準(zhǔn)無保留審計意見，審計質(zhì)量整體較高；采用可操控性應(yīng)計利潤衡量的審計質(zhì)量均值為[X]，標(biāo)準(zhǔn)差為[X]，說明不同上市公司的盈余管理程度存在較大差異；采用審計費用衡量的審計質(zhì)量均值為[X]，標(biāo)準(zhǔn)差為[X]，說明不同上市公司支付的審計費用存在較大差異。企業(yè)數(shù)字化轉(zhuǎn)型（DT）：采用文本分析法構(gòu)建的企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)均值為[X]，標(biāo)準(zhǔn)差為[X]，說明不同上市公司的數(shù)字化轉(zhuǎn)型程度存在較大差異；采用研發(fā)投入強(qiáng)度衡量的企業(yè)數(shù)字化轉(zhuǎn)型均值為[X]，標(biāo)準(zhǔn)差為[X]；采用數(shù)字化人才占比衡量的企業(yè)數(shù)字化轉(zhuǎn)型均值為[X]，標(biāo)準(zhǔn)差為[X]?？刂谱兞浚浩髽I(yè)規(guī)模（Size）的均值為[X]，標(biāo)準(zhǔn)差為[X]，說明不同上市公司的規(guī)模存在一定差異；資產(chǎn)負(fù)債率（Lev）的均值為[X]，標(biāo)準(zhǔn)差為[X]，說明不同上市公司的負(fù)債水平存在較大差異；盈利能力（ROA）的均值為[X]，標(biāo)準(zhǔn)差為[X]，說明不同上市公司的盈利能力存在較大差異；成長能力（Growth）的均值為[X]，標(biāo)準(zhǔn)差為[X]，說明不同上市公司的成長能力存在較大差異；股權(quán)集中度（Top1）的均值為[X]，標(biāo)準(zhǔn)差為[X]，說明不同上市公司的股權(quán)集中度存在一定差異；董事會獨立性（Indep）的均值為[X]，標(biāo)準(zhǔn)差為[X]，說明大部分上市公司的董事會獨立性較高；審計機(jī)構(gòu)規(guī)模（Big4）的均值為[X]，說明僅有少數(shù)上市公司聘請了國際四大會計師事務(wù)所進(jìn)行審計。（二）相關(guān)性分析表2報告了主要研究變量之間的Pearson相關(guān)系數(shù)。從表中可以看出：企業(yè)數(shù)字化轉(zhuǎn)型與審計質(zhì)量之間的相關(guān)性：企業(yè)數(shù)字化轉(zhuǎn)型（DT）與審計質(zhì)量（AQ）之間的相關(guān)系數(shù)為[X]，且在[X]的水平上顯著，說明企業(yè)數(shù)字化轉(zhuǎn)型與審計質(zhì)量之間存在顯著的正相關(guān)關(guān)系。這初步表明，企業(yè)數(shù)字化轉(zhuǎn)型程度越高，審計質(zhì)量也越高?？刂谱兞颗c審計質(zhì)量之間的相關(guān)性：企業(yè)規(guī)模（Size）、盈利能力（ROA）、董事會獨立性（Indep）、審計機(jī)構(gòu)規(guī)模（Big4）與審計質(zhì)量之間的相關(guān)系數(shù)為正，且在一定水平上顯著，說明企業(yè)規(guī)模越大、盈利能力越強(qiáng)、董事會獨立性越高、聘請國際四大會計師事務(wù)所進(jìn)行審計，審計質(zhì)量也越高；資產(chǎn)負(fù)債率（Lev）、成長能力（Growth）、股權(quán)集中度（Top1）與審計質(zhì)量之間的相關(guān)系數(shù)為負(fù)，且在一定水平上顯著，說明企業(yè)負(fù)債水平越高、成長能力越強(qiáng)、股權(quán)集中度越高，審計質(zhì)量越低。控制變量之間的相關(guān)性：各控制變量之間的相關(guān)系數(shù)絕對值均小于[X]，說明各控制變量之間不存在嚴(yán)重的多重共線性問題，不會對回歸結(jié)果產(chǎn)生顯著影響。（三）Heckman兩階段模型回歸結(jié)果分析表3報告了Heckman兩階段模型的回歸結(jié)果。從第一階段的回歸結(jié)果可以看出：企業(yè)規(guī)模（Size）：企業(yè)規(guī)模與企業(yè)數(shù)字化轉(zhuǎn)型之間的相關(guān)系數(shù)為[X]，且在[X]的水平上顯著，說明企業(yè)規(guī)模越大，進(jìn)行數(shù)字化轉(zhuǎn)型的可能性越高。這可能是因為大型企業(yè)具有更充足的資金和技術(shù)資源，能夠更好地推進(jìn)數(shù)字化轉(zhuǎn)型。盈利能力（ROA）：盈利能力與企業(yè)數(shù)字化轉(zhuǎn)型之間的相關(guān)系數(shù)為[X]，且在[X]的水平上顯著，說明企業(yè)盈利能力越強(qiáng)，進(jìn)行數(shù)字化轉(zhuǎn)型的可能性越高。這可能是因為盈利能力強(qiáng)的企業(yè)有更多的資金投入到數(shù)字化轉(zhuǎn)型中，同時也更有動力通過數(shù)字化轉(zhuǎn)型來提高企業(yè)的競爭力。成長能力（Growth）：成長能力與企業(yè)數(shù)字化轉(zhuǎn)型之間的相關(guān)系數(shù)為[X]，且在[X]的水平上顯著，說明企業(yè)成長能力越強(qiáng)，進(jìn)行數(shù)字化轉(zhuǎn)型的可能性越高。這可能是因為成長能力強(qiáng)的企業(yè)面臨著更大的市場競爭壓力，需要通過數(shù)字化轉(zhuǎn)型來提高企業(yè)的運營效率和創(chuàng)新能力。從第二階段的回歸結(jié)果可以看出：企業(yè)數(shù)字化轉(zhuǎn)型（DT）：企業(yè)數(shù)字化轉(zhuǎn)型與審計質(zhì)量之間的相關(guān)系數(shù)為[X]，且在[X]的水平上顯著，說明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著提高審計質(zhì)量。這與本文的理論預(yù)期一致，即企業(yè)數(shù)字化轉(zhuǎn)型通過提高審計效率、增強(qiáng)審計獨立性和提升審計專業(yè)判斷能力等途徑，對審計質(zhì)量產(chǎn)生積極影響?？刂谱兞浚浩髽I(yè)規(guī)模（Size）、盈利能力（ROA）、董事會獨立性（Indep）、審計機(jī)構(gòu)規(guī)模（Big4）與審計質(zhì)量之間的相關(guān)系數(shù)為正，且在一定水平上顯著；資產(chǎn)負(fù)債率（Lev）、成長能力（Growth）、股權(quán)集中度（Top1）與審計質(zhì)量之間的相關(guān)系數(shù)為負(fù)，且在一定水平上顯著。這與相關(guān)性分析的結(jié)果一致，進(jìn)一步驗證了控制變量對審計質(zhì)量的影響。逆米爾斯比率（$\hat{\rho}$）：逆米爾斯比率的系數(shù)為[X]，且在[X]的水平上顯著，說明樣本選擇偏差確實存在，Heckman兩階段模型能夠有效地對樣本選擇偏差進(jìn)行校正。（四）PSM模型回歸結(jié)果分析表4報告了PSM模型的回歸結(jié)果。從傾向得分匹配的平衡性檢驗結(jié)果可以看出：標(biāo)準(zhǔn)化偏差：匹配后，各控制變量的標(biāo)準(zhǔn)化偏差絕對值均小于[X]，說明處理組和對照組樣本在各控制變量上的差異可以忽略不計，匹配效果較好。t檢驗結(jié)果：匹配后，各控制變量的t檢驗結(jié)果均不顯著，說明處理組和對照組樣本在各控制變量上的均值不存在顯著差異，匹配效果較好。從平均處理效應(yīng)的估計結(jié)果可以看出：企業(yè)數(shù)字化轉(zhuǎn)型對審計質(zhì)量的平均處理效應(yīng)（ATT）：企業(yè)數(shù)字化轉(zhuǎn)型對審計質(zhì)量的平均處理效應(yīng)為[X]，且在[X]的水平上顯著，說明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著提高審計質(zhì)量。這與Heckman兩階段模型的回歸結(jié)果一致，進(jìn)一步驗證了本文的研究假設(shè)。（五）穩(wěn)健性檢驗為了確保研究結(jié)論的穩(wěn)健性，本文進(jìn)行了以下幾個方面的穩(wěn)健性檢驗：替換被解釋變量：本文分別采用可操控性應(yīng)計利潤和審計費用作為審計質(zhì)量的替代衡量指標(biāo)，重新進(jìn)行Heckman兩階段模型和PSM模型回歸分析?；貧w結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型與審計質(zhì)量之間的相關(guān)系數(shù)仍然為正，且在一定水平上顯著，說明研究結(jié)論具有較高的穩(wěn)健性。替換解釋變量：本文分別采用研發(fā)投入強(qiáng)度和數(shù)字化人才占比作為企業(yè)數(shù)字化轉(zhuǎn)型的替代衡量指標(biāo)，重新進(jìn)行Heckman兩階段模型和PSM模型回歸分析?；貧w結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型與審計質(zhì)量之間的相關(guān)系數(shù)仍然為正，且在一定水平上顯著，說明研究結(jié)論具有較高的穩(wěn)健性。改變樣本區(qū)間：本文將樣本區(qū)間調(diào)整為2018-2024年，重新進(jìn)行Heckman兩階段模型和PSM模型回歸分析。回歸結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型與審計質(zhì)量之間的相關(guān)系數(shù)仍然為正，且在一定水平上顯著，說明研究結(jié)論不受樣本區(qū)間的影響，具有較高的穩(wěn)健性。工具變量法：為了進(jìn)一步解決內(nèi)生性問題，本文采用工具變量法進(jìn)行回歸分析。選取企業(yè)所在地區(qū)的數(shù)字化發(fā)展水平作為企業(yè)數(shù)字化轉(zhuǎn)型的工具變量，因為企業(yè)所在地區(qū)的數(shù)字化發(fā)展水平會影響企業(yè)的數(shù)字化轉(zhuǎn)型決策，但不會直接影響審計質(zhì)量?；貧w結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型與審計質(zhì)量之間的相關(guān)系數(shù)仍然為正，且在一定水平上顯著，說明研究結(jié)論具有較高的穩(wěn)健性。五、研究結(jié)論與啟示（一）研究結(jié)論本文以2015-2024年中國A股上市公司為研究樣本，采用Heckman兩階段模型與PSM方法相結(jié)合的研究設(shè)計，實證檢驗了企業(yè)數(shù)字化轉(zhuǎn)型對審計質(zhì)量的影響。研究結(jié)果表明：企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著提高審計質(zhì)量：無論是采用Heckman兩階段模型還是PSM方法進(jìn)行分析，都得到了一致的研究結(jié)論，即企業(yè)數(shù)字化轉(zhuǎn)型與審計質(zhì)量之間存在顯著的正相關(guān)關(guān)系。這說明企業(yè)數(shù)字化轉(zhuǎn)型通過提高審計效率、增強(qiáng)審計獨立性和提升審計專業(yè)判斷能力等途徑，對審計質(zhì)量產(chǎn)生了積極影響。企業(yè)規(guī)模、盈利能力、成長能力等因素會影響企業(yè)數(shù)字化轉(zhuǎn)型決策：Heckman兩階段模型第一階段的回歸結(jié)果顯示，企業(yè)規(guī)模越大、盈利能力越強(qiáng)、成長能力越強(qiáng)，進(jìn)行數(shù)字化轉(zhuǎn)型的可能性越高。這說明企業(yè)的內(nèi)部資源和外部環(huán)境都會對其數(shù)字化轉(zhuǎn)型決策產(chǎn)生影響?？刂谱兞繉徲嬞|(zhì)量具有顯著影響：企業(yè)規(guī)模、盈利能力、董事會獨立性、審計機(jī)構(gòu)規(guī)模與審計質(zhì)量之間存在顯著的正相關(guān)關(guān)系；企業(yè)負(fù)債水平、成長能力、股權(quán)集中度與審計質(zhì)量之間存在顯著的負(fù)相關(guān)關(guān)系。這與以往的研究結(jié)論一致，進(jìn)一步驗證了控制變量對審計質(zhì)量的影響。（二）實踐啟示基于上述研究結(jié)論，本文提出以下幾個方面的實踐啟示：企業(yè)應(yīng)積極推進(jìn)數(shù)字化轉(zhuǎn)型：企業(yè)數(shù)字化轉(zhuǎn)型不僅能夠提高自身的運營效率和競爭力，還能夠?qū)徲嬞|(zhì)量產(chǎn)生積極影響。因此，企業(yè)管理層應(yīng)充分認(rèn)識到數(shù)字化轉(zhuǎn)型的重要性，加大對數(shù)字化轉(zhuǎn)型的投入力度，積極推進(jìn)企業(yè)的數(shù)字化轉(zhuǎn)型進(jìn)程。具體而言，企業(yè)可以從以下幾個方面入手：（1）制定數(shù)字化轉(zhuǎn)型戰(zhàn)略：企業(yè)應(yīng)根據(jù)自身的發(fā)展階段和業(yè)務(wù)特點，制定明確的數(shù)字化轉(zhuǎn)型戰(zhàn)略，明確數(shù)字化轉(zhuǎn)型的目標(biāo)、路徑和實施步驟。（2）加強(qiáng)數(shù)字化人才培養(yǎng)和引進(jìn)：數(shù)字化轉(zhuǎn)型需要大量的數(shù)字化人才支持，企業(yè)應(yīng)加強(qiáng)對內(nèi)部員工的數(shù)字化培訓(xùn)，提高員工的數(shù)字化素養(yǎng)；同時，積極引進(jìn)外部優(yōu)秀的數(shù)字化人才，為企業(yè)的數(shù)字化