SPSS多元回归分析在消耗性生物资产审计中的应用|2015年|第四月|财会月刊（12期）|审计与CPA|历年期刊|财会月刊
2015年 第 12 期
财会月刊（12期）
SPSS多元回归分析在消耗性生物资产审计中的应用
【作　　者】伍唯佳（高级会计师）【作者单位】（广西佳信税务师事务所，南宁 530022）【摘　　要】【摘要】 消耗性生物资产多生长在水下、地下或远洋深海等特殊环境，难以直观地统计、核算，一些农业类上市公司以此虚增销售收入和利润，给审计带来了较大的风险。为此，本文探讨了在审计中运用数理统计分析方法，利用SPSS多元回归分析揭示数据之间的关联度，通过回归模型推断消耗性生物资产账面记录是否真实和完整。【关键词】 生物性资产；审计；回归分析；盘点一、消耗性生物资产特点和审计难点消耗性生物资产是为出售而持有的，或在将来收获为农产品的生物资产，在会计报表里作为存货列报，是农业企业存货的主要组成部分。消耗性生物资产数量种类繁多，流动性强、周转快，受市场、自然条件和企业经营状况影响较大，各年度之间收益不均衡，往往因生长在水下、地下或远洋深海等特殊环境，未到收获期时不能很直观地清点、计数并进行会计核算。消耗性生物资产由于计算的复杂性和质量鉴定、数量统计的特殊性，使得其核算中的差错甚至舞弊都很难被揭示发现，因而常规审计程序难以对消耗性生物资产进行有效的审核确认。蓝田股份、万福生科、绿大地等农业上市公司财务造假案件，就是通过虚造存货数量和价值，借以达到虚增收入和利润的目的。可见，消耗性生物资产的审计风险比较高。要想审计取得低于重要性水平的结果，需要审计人员具有较高的专业知识、业务知识和创新的审计技巧和方法。二、消耗性生物资产审计方法及其适用性1. 盘存审计。在永续盘存制下，消耗性生物资产都是按账面数量进行购销调存核算的，由于计量计算上的差错和舞弊人为原因及霉烂变质自然耗损等原因，不可避免会出现盘盈盘亏（主要是盘亏）等账实不符现象。因此监盘就成为实物资产审计中一个必不可少的审计程序。但由于消耗性生物资产的前述特点，很难实施监盘审计程序或者实施效果不理想，影响审计结果。（1）逐一盘存法。对全部存货数量进行逐一清点，得到总体结存数量或重量，这种方法比较准确。但对于消耗性生物资产来说盘点难度很大，一些尚未进入收获期的农产品，难以取得全部产品数量和重量数据，如果盘点方法不当甚至会破坏农产品正常生长。如对水产品全面盘点，把水产品全部捕捞上岸清点、称重很不现实，不仅耗费成本高，而且会对水产品造成伤害，而一些生长在地下的农作物产品也不可能挖掘出来进行计量。基于成本效益原则，逐一盘存法显然不具备操作性。（2）抽样盘存法。抽样盘存法是通过样本总体单位中抽取部分单位进行盘点，以其结果推算总体有关指标的方法。一般采用多点随机抽样方式进行盘点，通过人工或机械作业方式，对数量或重量进行清点，根据抽盘面积推算出每亩单位数量或重量，并乘以总面积得到实有数量或重量。然后将抽盘结果与企业账面数据进行核对，看是否存在差异或差异是否合理。由于农业生产受多种因素影响，往往很难用抽样结果来推断整体，例如养殖业中存在鱼类洄游和群居等影响因素，数量很难做到均匀分布，如果抽样到鱼群活动区域，样本就会失真，由此推断总体就偏高，造成审计结果出现重大偏差。2. 现金收支审计。通常企业的每笔交易都有原始单据和相关会计记录，审计人员可以根据企业的经营流程图采用顺查法和逆查法进行测试。从原始凭证开始，对交易种类和事项进行追踪，一直到报表为止。也可以从会计报表开始，反向一直追查至原始凭证。但是由于农业企业现金交易量比较大，缺乏银行单据、税票等外部原始单据的对比核实，编造虚构交易事项变得更简单易行，审计穿行测试难以发现虚造消耗性生物资产的产量增减及结存等数据，增加了审计取证的难度。三、SPSS多元回归分析SPSS多元回归分析是利用SPSS软件，在1个因变量，2个或者2个以上自变量之间存在一定依存关系基础上，建立多个变量之间线性或非线性数学模型，分析后得出数量之间关联度的统计方法，它反映一种现象或事物的数量依多种现象或事物数量的变动而相应地变动的规律。该方法在审计实务中具有广泛的应用空间。1. SPSS多元回归模型的建立。设Y为因变量，Y1，Y2，…，Yk为k个用来说明因变量的自变量，其中X1恒等于1，则：Yi=β1+β2Xβ2i+…+βkXki+μi，（i=1，2，…，n） （1）&& 式（1）称为多元线性回归模型。其中，μi，（i=1，2，…，n）为随机扰动项；参数β1，β2，…，βk称为回归系数。若令：
则式（1）用矩阵形式表示为：Y=Xβ+μ2. SPSS回归模型分析检验。进行期末盘点是为了核实被审计企业账面永续记录和投入成本计量的真实性、完整性。采用若干年行业或企业经营数据，利用回归分析法找出其中具有高度相关性要素，并推导出本期末的理论账面数据，以判断账面记录数据的真实性完整性。下面以水产养殖业为例，选择养殖产值、养殖面积、养殖产量、当年增加值及养殖从业人员等6个方面的行业数据，利用SPSS软件进行多元回归分析检验。（1）水产养殖产值及相关数据，如表1所示：
（2）拟合度检验。由表2可以看出，其R值和R方值都为1，所以其模型拟合度较好，模型成立。
（3）显著性F检验。由表3可以看bm Sig值为0.000，显然小于0.05，说明因变量分别与自变量存在真实的线性关系，通过显著性检验。
（4）显著性t检验。从表4可以看出，sig在0.001 ~ 0.004之间均小于0.05，可见回归系数的检验结果是显著的，相关性系数在0.834 ~ 0.998之间，接近于1，这表明检验数据之间存在极强的相关性。（5）回归方程。根据以上回归结果分析，可考虑使用多元线性回归模型，其估计方程为：Y=-.224X4+1.032X3+1.328X2+1.195X1通过上述的回归方程可知，养殖产值、养殖面积、养殖产量、当年增加值及养殖从业人员存在显著同向变化，并将被审计企业相关账面数据代入公式，就可以推导计算出理论数据，与账面数据进行比较分析，推断出期末会计记录是否真实、完整，企业资产增减业务以及账面余额是否真实和正确，并做出恰当的审计结论。四、结语多元回归分析为审计工作提供了一种新思路，审计人员应充分利用数理统计和分析方法，判断各种数据之间的因果关系，利用SPSS多元回归分析模型，推断出总体情况，以解决审计难题，提高审计的效率和效果。但是多元回归分析不能完全替代审计执业准则以及审计人员的职业判断，应根据被审计企业实际情况和风险导向原则制定充分适当的审计程序。主要参考文献农业部渔业局.中国渔业统计年鉴［M］.北京：中国农业出版社，2007 .中国注册会计师协会.中国注册会计师执业准则2010［M］.北京：经济科学出版社，2011.财政部会计司编写组.企业会计准则讲解2006［M］.北京：人民出版社，2007.SPSS19.0实战之多元线性回归分析
线性回归数据（全国各地区能源消耗量与产量）来源，可点击协会博客数据挖掘栏：国泰安数据服务中心的经济研究数据库。
1.1 数据预处理
数据预处理包括的内容非常广泛，包括数据清理和描述性数据汇总，数据集成和变换，数据归约，数据离散化等。本次实习主要涉及的数据预处理只包括数据清理和描述性数据汇总。一般意义的数据预处理包括缺失值填写和噪声数据的处理。于此我们只对数据做缺失值填充，但是依然将其统称数据清理。
1.1.1 数据导入与定义
单击“打开数据文档
”，将xls格式的全国各地区能源消耗量与产量的数据导入SPSS中，如图1-1所示。
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&图1-1
导入过程中，各个字段的值都被转化为字符串型（String），我们需要手动将相应的字段转回数值型。单击菜单栏的“
”--&“ ”将所选的变量改为数值型。如图1-2所示：
图1-2&定义变量数据类型
1.1.2 数据清理
数据清理包括缺失值的填写和还需要使用SPSS分析工具来检查各个变量的数据完整性。单击“
”--&“ ”，将检查所输入的数据的缺失值个数以及百分比等。如图1-3所示：
&&&&&&&&&&&&&&&&&&&&&&&&&&
图1-3缺失值分析
能源数据缺失值分析结果如表1-1所示：
& & & 单变量统计
能源消费总量
煤炭消费量
焦炭消费量
原油消费量
汽油消费量
煤油消费量
柴油消费量
燃料油消费量
天然气消费量
电力消费量
燃料油产量
天然气产量
表2-1 能源消耗量与产量数据缺失值分析
&表1-1 能源消耗量与产量数据缺失值分析
SPSS提供了填充缺失值的工具，点击菜单栏“ ”--&“
”，即可以使用软件提供的几种填充缺失值工具，包括序列均值，临近点中值，临近点中位数等。结合本次实习数据的具体情况，我们不使用SPSS软件提供的替换缺失值工具，主要是手动将缺失值用零值来代替。
1.1.3 描述性数据汇总
描述性数据汇总技术用来获得数据的典型性质，我们关心数据的中心趋势和离中趋势，根据这些统计值，可以初步得到数据的噪声和离群点。中心趋势的量度值包括：均值（mean），中位数（median），众数（mode）等。离中趋势量度包括四分位数（quartiles），方差（variance）等。
SPSS提供了详尽的数据描述工具，单击菜单栏的“ ”--&“
”，将弹出如图2-4所示的对话框，我们将所有变量都选取到，然后在选项中勾选上所希望描述的数据特征，包括均值，标准差，方差，最大最小值等。由于本次数据的单位不尽相同，我们需要将数据标准化，同时勾选上“将标准化得分另存为变量”。
图1-4 描述性数据汇总
得到如表1-2所示的描述性数据汇总。
能源消费总量
煤炭消费量
焦炭消费量
原油消费量
汽油消费量
煤油消费量
柴油消费量
燃料油消费量
天然气消费量
电力消费量
燃料油产量
天然气产量
有效的 N （列表状态）
表1-2 描述性数据汇总
标准化后得到的数据值，以下的回归分析将使用标准化数据。如图1-5所示：
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
图1-5 数据标准化
我们还可以通过描述性分析中的“
”来得到各个变量的众数，均值等，还可以根据这些量绘制直方图。我们选取个别变量（能源消费总量）的直方图，可以看到我们因变量基本符合正态分布。如图1-6所示：
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
图1-6能源消费总量
1.2 回归分析
&我们本次实验主要考察地区能源消费总额（因变量）与煤炭消费量、焦炭消费量、原油消费量、原煤产量、焦炭产量、原油产量之间的关系。以下的回归分析所涉及只包括以上几个变量，并使用标准化之后的数据。
1.2.1 参数设置
单击菜单栏“ ”--&“ ”--&“
”，将弹出如图1-7所示的对话框，将通过选择因变量和自变量来构建线性回归模型。因变量：标准化能源消费总额；自变量：标准化煤炭消费量、标准化焦炭消费量、标准化原油消费量、标准化原煤产量、标准化焦炭产量、标准化原油产量。自变量方法选择：进入，个案标签使用地名，不使用权重最小二乘法回归分析—即WLS权重为空。
图1-7选择线性回归变量还需要设置统计量的参数，我们选择回归系数中的“ ”和其他项中的“
”。选中估计可输出回归系数B及其标准误，t值和p值，还有标准化的回归系数beta。选中模型拟合度复选框：模型拟合过程中进入、退出的变量的列表，以及一些有关拟合优度的检验：R，R2和调整的R2,
标准误及方差分析表。如图1-8所示：
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
图1-8 设置回归分析统计量
3.在设置绘制选项的时候，我们选择绘制标准化残差图，其中的正态概率图是rankit图。同时还需要画出残差图，Y轴选择：ZRESID，X轴选择:
ZPRED。如图1-9所示：
图1-9 设置绘制
左上框中各项的意义分别为:
“DEPENDNT”因变量
“ZPRED”标准化预测值
“ZRESID”标准化残差
“DRESID”删除残差
“ADJPRED”调节预测值
“SRESID”学生化残差
“SDRESID”学生化删除残差 & &
许多时候我们需要将回归分析的结果存储起来，然后用得到的残差、预测值等做进一步的分析，“保存”按钮就是用来存储中间结果的。可以存储的有：预测值系列、残差系列、距离（Distances）系列、预测值可信区间系列、波动统计量系列。本次实验暂时不保存任何项。
设置回归分析的一些选项，有：步进方法标准单选钮组：设置纳入和排除标准，可按P值或F值来设置。在等式中包含常量复选框：用于决定是否在模型中包括常数项，默认选中。如图1-10所示：
图1-10& 设置选项
1.2.2 结果输出与分析
在以上选项设置完毕之后点击确定，SPSS将输出一系列的回归分析结果。我们来逐一贴出和分析，并根据它得到最后的回归方程以及验证回归模型。
表1-3所示，是回归分析过程中输入、移去模型记录。具体方法为：enter（进入）
输入／移去的变量
输入的变量
移去的变量
Zscore(原油产量), Zscore(原煤产量), Zscore(焦炭消费量),
Zscore(原油消费量), Zscore(煤炭消费量), Zscore(焦炭产量)
&表1-3 输入的变量
表1-4所示是模型汇总，R称为多元相关系数，R方（R2）代表着模型的拟合度。
我们可以看到该模型是拟合优度良好。
标准 估计的误差
表1-4 模型汇总
3.表1-5所示是离散分析。 ，F的值较大,代表着该回归模型是显著。也称为失拟性检验。
表1-5 离散分析
4.表1-6所示的是回归方程的系数，根据这些系数我们能够得到完整的多元回归方程。观测以下的回归值，都是具有统计学意义的。因而，得到的多元线性回归方程：Y=0.008+1.061x1+0.087
x2+0.157 x3-0.365 x4-0.105
x5-0.017x6&
（x1为煤炭消费量，x2为焦炭消费量，x3为原油消费量，x4为原煤产量，x5为原炭产量，x6为原油产量，Y是能源消费总量）
结论：能量消费总量由主要与煤炭消费总量所影响，成正相关；与原煤产量成一定的反比。
非标准化系数
Zscore(煤炭消费量)
Zscore(焦炭消费量)
Zscore(原油消费量)
Zscore(原煤产量)
Zscore(焦炭产量)
Zscore(原油产量)
表1-6回归方程系数
5.模型的适合性检验，主要是残差分析。残差图是散点图，如图1-11所示：
图1-11残差图
可以看出各散点随机分布在e=0为中心的横带中，证明了该模型是适合的。同时我们也发现了两个异常点，就是广东省和四川省，这种离群点是值得进一步研究的。
还有一种残差正态概率图（rankit图）可以直观地判断残差是否符合正态分布。如图1-12所示：
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&图1-12
rankit（P-P）图
它的直方图如图1-13所示：
图1-13 rankit（直方）图
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。上传时间：
专辑名称：
专辑创建者：
视频数：242
谦瑞数据分析公司高级数据分析师，SPSS统计软件金牌讲师陈老师为您每日更新SPSS统计学课程，敬请关注哦！
56官方微信
扫一扫发现精彩播放列表加载中...
正在载入...
分享视频：
嵌入代码：
拍下二维码，随时随地看视频
陈老师spss数据分析教程之spss多元线性回归分析
上 传 者：
内容介绍：
陈老师spss数据分析教程之spss多元线性回归分析
Channel Me 精选
我来说点啥
版权所有 CopyRight
| 京网文[0号 |
| 京公网安备：
互联网药品信息服务资格证：（京）-非经营性- | 广播电视节目制作经营许可证：（京）字第403号
<img src="" width="34" height="34"/>
<img src=""/>
<li data-vid="">
<img src=""/><i data-vid="" class="ckl_plays">
<img width="132" height="99" src=""/>
在线人数：
<li data-vid="">
<img src=""/><i data-vid="" class="ckl_plays">
<img src="///img/blank.png" data-src=""/>
<img src="///img/blank.png" data-src="http://"/>
<li data-vid="" class="cfix">
src="///img/blank.png" data-src=""/>
<i data-vid="" class="ckl_plays">
<li data-vid="" class="cfix">
src="///img/blank.png" data-src=""/><i data-vid="" class="ckl_plays">
没有数据！
{upload_level_name}
粉丝 {fans_count}
{video_count}
{description}苹果/安卓/wp
积分 639, 距离下一级还需 161 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 96 天连续签到: 3 天[LV.6]常住居民II
请问SPSS做多元线性回归分析时，如果通过了F检验，但T检验确有很多变量没有通过检验，该怎么办
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
不想当学渣 发表于
请问SPSS做多元线性回归分析时，如果通过了F检验，但T检验确有很多变量没有通过检验，该怎么办可能存在多重共线性，可以剔除变量试试
用逐步分析法处理，模型中就只剩下通过检验的变量了，也可以消除一部分的共线性问题。
春兰秋松 发表于
可能存在多重共线性，可以剔除变量试试剔除变量，是用软件自己剔除，还是手动一个变量一个变量的逐步往里加入进行回归啊
南南数据 发表于
用逐步分析法处理，模型中就只剩下通过检验的变量了，也可以消除一部分的共线性问题。逐步分析法，是自己手动还是软件自己就能进行啊？能不能麻烦您说的再详细一点
& &&&你在做多元回归分析前，要有基本的假设检验啊（即根据文献或根据常识对自变量和因变量间的关系做假设，是正向影响还是负向影响还是有显著影响但作用方向不明确）。有了基本的假设检验后再建模的，建模后看模型拟合效果（R^2，整体F检验是否显著，最后再看各个系数显著性，即你所谓的T统计量）。这时，如果有些变量假设是显著的而你得到的结果不显著，你可以从以下两方面处理：一是考虑模型是否设定有误，即模型存在异常差，内生性问题，要做相应的检验；其次，异方差和内生性都没问题，从专业层面寻求不显著的原因。
& &&&PS：拿着一个数据，不要没有做研究假设，没有理清楚就冲忙建模；也不要本来就不显著的变量想法设法的想把它弄显著。了解模型背后的机理比建模的实现更重要。
热心帮助其他会员
热心帮助其他会员
总评分:&论坛币 + 50&
学术水平 + 2&
热心指数 + 2&
你的头像好有个性啊？
我坚信我的成绩不代表我的智商,
jleunghk 发表于
你的头像好有个性啊？跟头像有什么关系
xddlovejiao1314 发表于
你在做多元回归分析前，要有基本的假设检验啊（即根据文献或根据常识对自变量和因变量间的关系做假设， ...昨天您说的那本书，我借来看了，书上说，如果R^2太小，可能存在多重共线性，但是检验共线性的容差和VIF都还算符合标准，这种情况该怎么处理呢？
南南数据 发表于
用逐步分析法处理，模型中就只剩下通过检验的变量了，也可以消除一部分的共线性问题。可能是多重共线性的问题，但是用了向前，向后，逐步的方法，结果显示，只是对于模型做了回归分析，剔除了变量后在做分析，还是没有通过显著性检验，该怎么办呢
一级伯乐勋章
一级伯乐勋章
初级学术勋章
初级学术勋章
初级热心勋章
初级热心勋章
初级信用勋章
初级信用勋章
中级热心勋章
中级热心勋章
中级学术勋章
中级学术勋章
中级信用勋章
中级信用勋章
高级热心勋章
高级热心勋章
高级学术勋章
高级学术勋章
高级信用勋章
高级信用勋章
特级热心勋章
高级热心勋章
特级学术勋章
特级学术勋章
特级信用勋章
高级信用勋章
论坛好贴推荐
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师}