[关键词]持续经营；审计判断；预测模型
企业 的持续经营能力状况直接 影响 到投资者的决策行为。因此，对上市公司持续经营能力进行判断和评价是注册 会计 师进行财务报告审计时所必须考虑的重要 内容 ，也是政府监管部门关注的一个焦点 问题 。近年来，为了减少审计期望差距，审计界制定并完善了持续经营审计准则及相关指南，特别是加强了对持续经营审计判断模型的研究，期望提高持续经营审计判断的客观性和一致性。我们搜集了ABI/INFORMGlobal、BusinessSourcePremier（BSP）、和ElsevierScience等国际著名数据库以及 中国 期刊网中关于持续经营审计判断模型研究的70余篇 文献 ，对审计判断模型的构建方法、应用效果及局限性进行了 总结 和整理，以期对改进我国持续经营审计手段及方法提供借鉴。
一、持续经营危机预测模型
持续经营危机预测模型按照所用概率统计方法的不同，可分成多元线性判别模型、多元概率比（Probit）模型、多元逻辑回归（Logistic）模型、人工神经 网络 模型等4类，下文将分别予以阐述。
（一）多元线性判别模型
继Altman之后，Levitan、Knoblett[6]，Koh、Killough[2]，Cormier[7]，陈静[8]和张玲[9]等都采用多元判别分析方法构建了持续经营危机预测模型。这些模型的构建方法基本相同，所不同的是在持续经营危机标准界定上、样本时间窗口、对照组样本选取方法、变量选取上有差异。对这些模型的有效性验证表明预测模型比审计师在预测公司是否破产方面具有更高的准确性，应用模型有助于减少审计期望差距。
针对多元线性判别分析要求数据服从正态分布和等协方差的假设与企业数据实际状况的矛盾，以及配对抽样法因样本中两类公司比例与它们在总体中的比例严重不一致而夸大了预测模型判别准确性的缺陷[10]，不需要正态分布和等协方差假设的Probit、Logistic模型被大量采用，它们都是建立在累积概率函数的基础上，一般运用最大似然估计，而不需要满足自变量服从多元正态分布和等协方差的假设。
（二）多元概率比模型
（三）多元逻辑回归模型
Kuruppu、Laswad和Oyelere[12]将清算作为发生持续经营危机的标准，以新西兰1987—1993年间85家破产清算的公司和50家未清算但处于财务困境状况的公司为研究样本，用Logistic方法构建模型，研究结果表明在破产法案以债权人为导向的国家，清算预测模型可能比破产预测模型在判断准确度及误判成本方面更为优越。
（四）人工神经网络模型
二、持续经营审计意见预测模型
持续经营审计意见预测模型同样按照所用概率统计 方法 的不同，可分成多元线性判别模型、多元逻辑回归（Logistic）模型、人工神经 网络 模型、持续经营审计专家系统等4类，模型 研究 的重点是持续经营审计意见是否可以用公开的 会计 信息进行预测。
（一）多元线性判别模型
（二）多元逻辑回归模型
Bell、Tabor[20]发现反映水平比率的财务指标对于持续经营审计意见的预测准确率高于反映趋势比率的财务指标。Chen、Church[21]研究证实在模型中增加反映偿还到期债务状况的变量可以显著提高模型的预测准确率性。
（三）人工神经网络模型
（四）持续经营审计专家系统
三、 总结 与评述
从以上 文献 的回顾可以看出，国内外审计学界对持续经营审计判断模型进行了大量的研究，有关涉及分类的定量方法在模型构建中得到了大量应用。这些模型的研究在总体方向上呈现出两个 发展 趋势：一方面，从仅考虑财务指标扩展到综合考虑财务、经营、股票市场表现、管理能力等因素，从定量 分析 向定性与定量分析相结合的方向发展；另一方面，从线性统计方法向更符合实际的非线性预测方法发展。尽管这些模型被证实在预测持续经营危机方面具有较高的准确性，但以下几个方面的问题仍有待于进一步研究和探讨：
（一）对持续经营危机的定义
对持续经营危机的定义在学术界尚未形成一致的意见，而对持续经营危机的不同定义会直接 影响 到样本的选择标准，从而得出不同的预测模型。持续经营审计意见预测模型建立在将被出具持续经营审计意见作为持续经营危机发生标准的基础上，而持续经营审计意见尚可进一步分为强调无保留、保留意见、无法表示意见和否定意见等4种具体意见类型。显然，这4种具体意见在持续经营不确定性程度上具有显著差异，不加区别地同等对待影响了模型参数估计的稳定性。持续经营危机预测模型则建立在将申请破产、破产清算作为发生标准的基础上，而在破产机制还不健全的国内，通常选用ST作为标准。将ST作为标准 自然 使得盈利能力低下是导致持续经营危机的主要原因，亏损与否将是持续经营危机与非持续经营危机公司之间存在显著差异的变量，这种变量的自选择问题也是国内相关研究的一个不足之处。
（二）变量选择
（三）样本选择
选择不同的样本会直接影响到模型的有效性，多元线性判别方法多采用等额配对抽样法，这样作可能因为样本量的限制，但却过分夸大了持续经营危机公司比例，使得系数对样本和模型设置都非常敏感，模型设置的微小变化、在样本总体中加入或删除案例等变动，都会导致系数估计的较大变化。其次，现有的样本选取忽略了行业特征，将一定期间不同行业的持续经营危机公司作为测试样本组，糅合在一起进行研究，损害了模型的价值，因为不同行业的公司具有不同的特征，即使影响持续经营的因素相同，但是其相对重要性却可能有所不同。最后，对于不同的样本选取时间，由于其外在 经济 环境的差异，得出的模型可能存在显著差异，模型的预测准确性也会因经济环境、时间区间的不同而产生变动。
（四）建模方法
多元线性判别方法、多元概率比回归、多元逻辑回归方法均被大量采用，而多元概率比回归、多元逻辑回归方法运用最大似然估计，克服了多元线性判别分析要求数据服从正态分布和等协方差的假设与公司数据实际状况不相符合的矛盾，在理论上更为完善。值得关注的是持续经营危机预测的研究方法又有新的进展，人工神经网络、遗传算法、模糊数学、专家系统开始被应用于构建预测模型，一些对持续经营审计判断有重要影响但却因难以量化而放弃的变量被重新予以考虑，而且这些新的方法整合了专家在该领域的知识经验，具有自主学习功能，显示了独特的优越性。
（五）误判成本
现有模型将分类的一类错误、二类错误等同看待，模糊了误受和误拒的成本，而事实上问题并非如此简单。一般而言，从投资者或银行的角度，一类错误成本要大于二类错误成本；而从 企业 看，由于借贷者、顾客、供货商、股东或其他投资人的不必要的戒备状态，会使二类错误的成本更高。对审计师而言，既要保证客户的正当权益，又要避免过高的 法律 诉讼风险。因此，如何综合权衡一类错误成本与二类错误成本也是未来模型研究的重点之一。
（六）模型的适用性
