工業(yè)機器人應用對審計收費的溢出效應
——來自制造業(yè)上市公司的證據(jù)

杜亞光 ， 何 瑛 ， 田馬飛

（1. 北京郵電大學 經濟管理學院, 北京 100876； 2. 清華大學 經濟管理學院, 北京 100084）

一、 引 言

為加快建成創(chuàng)新型國家和世界科技強國，深入推進《中國制造2025》制造強國戰(zhàn)略，2017年國務院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，明確將發(fā)展人工智能產業(yè)提升至國家戰(zhàn)略層面，力爭到2030年成為世界主要人工智能創(chuàng)新中心。此后，2021年國家工業(yè)和信息化部發(fā)布了《“十四五”智能制造發(fā)展規(guī)劃（征求意見稿）》，并聯(lián)合12部委印發(fā)了《“十四五”機器人產業(yè)發(fā)展規(guī)劃》，提出到2035年規(guī)模以上制造業(yè)企業(yè)全面普及數(shù)字化，骨干企業(yè)基本實現(xiàn)智能轉型，機器人產業(yè)綜合實力達到國際領先水平。因此，加快工業(yè)智能化進程已成為推動我國制造業(yè)高質量發(fā)展的重要路徑，其中工業(yè)機器人被認為是工業(yè)化與數(shù)字化的高度契合，是智能制造領域的“前沿陣地”。根據(jù)國際機器人聯(lián)合會（International Federation Robotics，以下簡稱IFR）最新發(fā)布的世界工業(yè)機器人報告顯示，2013年以來中國擁有全球最大的工業(yè)機器人市場，2021年工業(yè)機器人安裝量占比達52%，且工業(yè)機器人保有量年均增長28%，遠超過世界平均水平，工業(yè)機器人應用對國民經濟發(fā)展的重要作用正日益凸顯。

當前學術界關于人工智能技術應用的經濟后果研究方興未艾。大多數(shù)文獻從“基于任務的模型”經濟增長理論出發(fā)，提出機器人的自動化技術相對于勞動力而言更具比較優(yōu)勢，有助于節(jié)約勞動力成本，提高生產效率（Graetz和Michaels，2018），由此引發(fā)“機器換人”的就業(yè)效應問題，即工業(yè)機器人應用對勞動力的技術性替代（Acemoglu和Restrepo，2020；李磊等，2021；王永欽和董雯，2020）。同時，也有部分學者將視角轉向微觀企業(yè)行為決策，探討企業(yè)工業(yè)機器人應用對全要素生產率、盈利能力、財務決策、企業(yè)創(chuàng)新、綠色生產等企業(yè)行為決策的影響（Koch等，2021；聶飛等，2022；諸竹君等，2022）。面向國家數(shù)字經濟治理的重大需求，審計師作為企業(yè)重要的外部利益相關者，“機器換人”效應很大程度上通過改變企業(yè)生產要素結構、管理模式和財務表現(xiàn)等影響審計師決策，但學術界對該問題尚缺乏足夠的關注。外部審計師扮演著企業(yè)重要的監(jiān)督治理角色，審計師為應對數(shù)字化變革的沖擊會采取差異化的審計策略（Appelbaum等，2017）。一方面，企業(yè)新一代數(shù)字技術應用能夠為審計師提供豐富的審計證據(jù)，從而更全面地了解被審計單位環(huán)境，增進審計效率，降低審計成本和檢查風險，提高審計質量（翟華云和李倩茹，2022；張永珅等，2021）；另一方面，人工智能技術的專業(yè)知識門檻較高，致使外部監(jiān)督的及時性和有效性較低，很可能成為管理層舞弊的“溫床”，審計師為降低審計風險需要投入更多的審計資源以獲取充分適當?shù)膶徲嬜C據(jù)，比如擴大控制測試范圍、補充實質性分析程序等，額外增加了審計工作量，導致審計成本陡增（吳武清等，2022；楊德明等，2020）。由此可見，工業(yè)機器人應用不僅影響企業(yè)行為，而且可能對外部審計師決策產生一定的溢出效應。基于此，本文以會計師事務所審計收費為切入點，利用2011—2019年我國制造業(yè)上市公司數(shù)據(jù)，構建企業(yè)層面的工業(yè)機器人滲透度指標，實證檢驗工業(yè)機器人應用對審計收費的影響，旨在拓展工業(yè)機器人應用經濟后果的相關研究。

本文的可能研究貢獻主要體現(xiàn)在三方面：第一，現(xiàn)有文獻關于機器人應用的經濟后果研究主要集中于宏觀勞動力市場和微觀企業(yè)行為，鮮有文獻基于利益相關者治理和溢出效應視角，以外部審計師決策為切入點，探究工業(yè)機器人應用對審計收費的影響機制。本文研究發(fā)現(xiàn)工業(yè)機器人應用有助于緩解企業(yè)審計費用水平，不僅支持了工業(yè)機器人應用促進企業(yè)價值增值的觀點（Acemoglu和Restrepo，2020；Koch等，2021），而且更進一步拓展了工業(yè)機器人應用的經濟后果研究。第二，盡管已有研究基于審計定價理論對審計收費的影響因素展開了廣泛討論，但研究視角大多以宏觀經濟政策和微觀企業(yè)治理特征為主（Kim等，2015；褚劍等，2018；黃賢環(huán)和王瑤，2021），基于人工智能技術應用視角的探索尚涉足不深。工業(yè)機器人作為人工智能技術的綜合性載體，有別于企業(yè)的信息化建設和大數(shù)據(jù)、區(qū)塊鏈等單一數(shù)字技術應用，更能夠突出企業(yè)數(shù)字化轉型特征。因此，本文將工業(yè)機器人應用與審計師行為聯(lián)系起來考察，有助于為審計收費的影響因素研究提供新的視角。第三，已有研究關于數(shù)字經濟如何賦能審計師決策的理論探索還不充分，本文創(chuàng)新性地從審計資源投入和審計師風險感知機制找到了工業(yè)機器人應用影響審計收費的具體路徑，并且分析了企業(yè)和審計師的異質性特征對工業(yè)機器人應用與審計收費關系的影響。研究結論有助于揭示人工智能技術影響審計師決策過程的“黑箱”，彌補現(xiàn)有文獻不足，為推進企業(yè)數(shù)字化變革和優(yōu)化審計師定價決策、提高審計質量提供了新思路。

二、 理論分析與研究假設

根據(jù)Simunic（1980）提出的審計定價理論模型，審計定價水平主要取決于三個因素：一是審計產品成本，執(zhí)行必要的審計程序所需投入的各項審計資源的費用；二是預期損失費用，包括審計師的聲譽修復成本及訴訟損失等；三是審計師獲取的利潤。已有實證研究表明，審計工作量和審計風險溢價是決定審計收費的重要因素，高審計資源投入和高審計風險是導致審計收費增加的主要驅動因素（DeFond和Zhang，2014）?；诩夹g—經濟范式理論的觀點（Perez，2010），數(shù)字技術變革是推動企業(yè)發(fā)展的重要決定性因素，工業(yè)機器人作為人工智能技術的具體產物深刻影響著企業(yè)及其利益相關者的行為決策。為此，企業(yè)工業(yè)機器人應用可能通過審計資源機制和審計風險機制進而影響審計收費。

一方面，工業(yè)機器人的使用有助于緩解審計師的審計資源投入，降低審計收費水平，即審計資源機制。機器人作為人工智能技術應用的具體產物，已被明確列為“十四五”規(guī)劃的重點產業(yè)發(fā)展領域，符合我國制造業(yè)轉型升級戰(zhàn)略的政策扶持方向，是當前推動數(shù)字經濟發(fā)展與實體經濟深度融合的重要載體。因此，工業(yè)機器人應用提高了企業(yè)工業(yè)智能化水平，能夠促進企業(yè)全要素生產率增長（Koch等，2021）?；谛盘杺鬟f理論，工業(yè)機器人應用可向外界傳遞企業(yè)的積極信號，有助于增加外部分析師等專業(yè)投資者的關注和監(jiān)督（Bloom等，2014；戚聿東和肖旭，2020）。更進一步，當外部監(jiān)督水平較高時，企業(yè)發(fā)生財務舞弊的風險更小，審計師出于成本收益的權衡，在審計計劃工作中會選擇更低的重要性水平，降低收集額外審計證據(jù)所付出的審計成本，減少非必要的審計資源投入，優(yōu)化審計資源配置效率，進而收取更低的審計費用。

另一方面，企業(yè)使用工業(yè)機器人還有利于緩解審計師感知的審計風險，降低其訴訟風險補償預期，進而調低審計定價水平，即審計風險機制。其原因在于：第一，工業(yè)機器人應用能夠提高企業(yè)生產效率，降低企業(yè)經營風險。人工智能技術使企業(yè)內部信息的收集、整合分析以及應用均得以優(yōu)化（祝合良和王春娟，2021），有助于暢通企業(yè)不同生產要素的協(xié)同耦合，減少非自動化生產造成的試錯成本，提升組織管理效能，增進企業(yè)全要素生產率，提高產品質量，改善企業(yè)經營業(yè)績。從經營穩(wěn)定性角度，“機器換人”使企業(yè)成本結構發(fā)生變化，有助于緩解高勞動力成本帶來的經營壓力。同時，政府部門也會給予企業(yè)額外的政府補貼以鼓勵開展機器設備的自動化升級（許怡和許輝，2019），有益于降低企業(yè)經營績效的不確定性。因此，穩(wěn)定的經營成果能夠向審計師傳遞企業(yè)具有較強經營能力的正面信號，緩解了審計師對被審計單位持續(xù)經營能力存有重大疑慮的風險感知（Lyon和Maher，2005），促使審計師調低審計定價水平。第二，工業(yè)機器人應用能夠優(yōu)化公司治理環(huán)境，降低企業(yè)重大錯報風險。一是工業(yè)機器人應用規(guī)模越大，企業(yè)工業(yè)自動化水平越高，越有利于抑制人為因素導致的內控缺陷行為，提高企業(yè)內部控制設計及運行的有效性，進而緩解審計師的審計風險判斷并調高重要性水平，降低審計收費。二是新一代工業(yè)自動化技術促進了企業(yè)內部控制質量的提升（倪靜潔和郭檬楠，2023），有助于抑制大股東、管理層等內部人控制風險，降低企業(yè)代理成本，改善企業(yè)盈余質量，從而降低企業(yè)重大錯報風險（張永珅等，2021），緩解審計師感知的審計風險，并由此收取較低審計費用?？傊?，企業(yè)工業(yè)機器人應用有助于降低審計收費。據(jù)此，本文提出如下假設：

H1：企業(yè)工業(yè)機器人應用與審計收費水平負相關。

審計定價理論認為審計成本是影響審計收費的重要因素，其中包括開展審計工作所投入的必要審計資源。研究表明理性經濟人假設下，會計師事務所為提高審計質量、規(guī)避審計訴訟風險會投入更多的審計資源，包括審計活動中投入的審計時長、審計師薪酬等各項成本開支，出于成本收益的權衡會收取更高的審計費用（DeFond和Zhang，2014）。如前文所述，企業(yè)工業(yè)機器人應用可能通過減少審計資源投入進而降低審計收費。一方面，工業(yè)自動化有助于提升企業(yè)生產運營效率（Graetz和Michaels，2018），吸引外部分析師等利益相關者的監(jiān)督關注，一定程度上可以幫助審計師在更短的時間內從中了解被審計單位的信息和環(huán)境，合理計劃審計工作，減少非必要的審計程序，減輕審計工作量，從而調低審計定價。因此，企業(yè)工業(yè)機器人應用緩解審計資源投入可能是降低審計收費的作用機制之一?；诖?，本文提出如下假設：

H2：企業(yè)工業(yè)機器人應用通過減少審計資源投入進而降低審計收費。

除審計資源投入直接影響審計定價外，審計風險發(fā)生的預期損失也是審計師間接決定審計收費的重要因素（Simunic，1980）。審計師雖然通過增加審計資源投入一定程度上能夠降低重大錯報風險，但即使審計師遵照審計準則執(zhí)行審計工作仍不可能完全消除訴訟風險，為此審計師會收取額外的審計費用以控制聲譽修復和預期風險損失的成本（Simunic和Stein，1996）。基于風險厭惡和連帶理論，被審計單位較高的訴訟風險將導致審計師追求更高的審計風險溢價，且更傾向于出具非標準審計意見并調高審計定價（Venkataraman等，2008）。因此，審計師感知的審計風險是決定審計收費水平的重要因素，企業(yè)工業(yè)機器人應用可能通過緩解審計風險進而降低審計收費。原因在于，從經營穩(wěn)定性角度，企業(yè)工業(yè)機器人應用通過替換低技能勞動力，有助于優(yōu)化資源配置效率，改善勞動生產效率，整體提升企業(yè)全要素生產率，降低經營波動風險；從組織治理角度，工業(yè)機器人具有高度自動化的工藝生產加工流程，有利于避免生產工人操作導致的失誤，一定程度上監(jiān)督和約束管理層的機會主義行為，降低審計師感知的訴訟風險，進而收取較低審計費用?？傊徑鈱徲嫀煹膶徲嬶L險感知是企業(yè)工業(yè)機器人應用降低審計收費的另一作用機制。為此，本文提出如下假設：

H3：企業(yè)工業(yè)機器人應用通過緩解審計風險進而降低審計收費。

三、 研究設計

（一）樣本選取與數(shù)據(jù)來源

由于在2010年之后中國工業(yè)機器人應用呈現(xiàn)快速上升趨勢，且主要分布于制造業(yè)領域，因此本文選取2011—2019年中國A股制造業(yè)上市公司作為初始研究樣本，并在此基礎上做如下篩選：（1）剔除被ST或ST*的樣本；（2）剔除存在缺失值的樣本；（3）剔除數(shù)據(jù)缺失及凈資產為負的樣本，整理后最終得到16 069個公司—年度觀測值。工業(yè)機器人數(shù)據(jù)來自國際機器人聯(lián)合會（IFR），IFR是目前世界范圍內最權威的“國家—行業(yè)—年度”層面的機器人統(tǒng)計數(shù)據(jù)。上市公司的審計數(shù)據(jù)、財務數(shù)據(jù)以及公司治理數(shù)據(jù)均來自國泰安經濟金融數(shù)據(jù)庫（CSMAR），上市公司生產部門員工占比數(shù)據(jù)來自Wind數(shù)據(jù)庫。本文還用到《2002版國民經濟行業(yè)分類與代碼》《2011版國民經濟行業(yè)分類與代碼》以及IFR行業(yè)分類代碼。另外，本文對所有連續(xù)型變量進行了前后1%的Winsorize（縮尾）處理，以消除極端樣本的影響。

（二）變量定義

1.被解釋變量：審計收費。參考吳武清等（2022）等已有研究，本文采用上市公司年度審計費用的自然對數(shù)衡量審計收費（Audfee）。本文在穩(wěn)健性檢驗中將審計收費進行前置一期和兩期處理，以提升研究結果的可靠性。

2.解釋變量：企業(yè)工業(yè)機器人滲透度。本文借鑒Acemoglu和Restrepo（2020）、王永欽和董雯（2020）的研究，構建中國制造業(yè)上市公司層面的工業(yè)機器人滲透度指標。具體測算過程如下：第一步，參考王永欽和董雯（2020）的做法，按行業(yè)分類名稱，將我國2002版國民經濟行業(yè)分類代碼統(tǒng)一至2011版國民經濟行業(yè)分類代碼，調整后共分31類行業(yè)；第二步，將調整后的行業(yè)分類與IFR行業(yè)分類進行匹配；第三步，計算行業(yè)層面工業(yè)機器人滲透度指標，等于制造業(yè)j行業(yè)t年的工業(yè)機器人存量除以j行業(yè)2010年（基期）的就業(yè)人數(shù)；第四步，用j行業(yè)k上市公司2011年（基期）生產部門員工占比與制造業(yè)所有上市公司2011年生產部門員工占比中位數(shù)的比值，乘以行業(yè)層面工業(yè)機器人滲透度，再除以100進行量綱化處理，計算出企業(yè)層面工業(yè)機器人滲透度指標（Robots）：

其中，表示中國j行業(yè)t年度的工業(yè)機器人存量，表示中國j行業(yè)2010年（基期）的就業(yè)人數(shù)（萬人），表示中國j行業(yè)t年度的工業(yè)機器人滲透度，PWRk jt=2011表示j行業(yè)k上市公司2011年（基期）生產部門員工占比，MedPWRt=2011表示2011年全部制造業(yè)上市公司生產部門員工占比的中位數(shù)。該指標反映了工業(yè)技術變革推動下制造業(yè)企業(yè)工業(yè)智能化的變遷過程，數(shù)值越高，表明企業(yè)工業(yè)機器人應用規(guī)模越大，工業(yè)智能化水平越高。制造業(yè)上市公司行業(yè)分類是將中國證監(jiān)會發(fā)布的《上市公司行業(yè)分類指引》（2012年修訂）與IFR行業(yè)分類相匹配得到。工業(yè)行業(yè)就業(yè)人數(shù)以及上市公司行業(yè)分類與行業(yè)代碼的數(shù)據(jù)來自CSMAR數(shù)據(jù)庫。

3.控制變量。本文借鑒胡耘通等（2021）等已有研究，選取如下控制變量：公司規(guī)模（Size）、資產負債率（Lev）、產權性質（Soe）、上市年限（Age）、總資產收益率（Roa）、銷售收入增長率（Growth）、業(yè)務復雜度（Complex）、股權制衡度（Balance）、董事會規(guī)模（Board）、獨立董事占比（Idirector）、兩職合一（Concur）、機構投資者持股比例（Instin）、事務所規(guī)模（Big4）、審計意見（Audop）以及宏觀層面的地區(qū)經濟發(fā)展水平（GDP）。本文還控制了行業(yè)啞變量（Industry）及年度啞變量（Year）。上述變量是審計活動中影響審計師行為決策的重要因素，故需加以控制。各變量的具體定義如表1所示。

表1 變量定義表

（三）模型設定

為驗證假設H1關于企業(yè)工業(yè)機器人應用對審計收費的影響，本文構建如下檢驗模型：

模型（2）中，被解釋變量Audfee表示企業(yè)審計收費水平，解釋變量Robots表示企業(yè)工業(yè)機器人應用程度，其余變量代表微觀企業(yè)層面和宏觀環(huán)境層面的控制變量，Industry和Year分別為行業(yè)固定效應和年度固定效應，ε為隨機擾動項。采用最小二乘回歸方法（OLS），系數(shù)β1反映了企業(yè)工業(yè)機器人應用對審計收費的影響程度，預期β1顯著為負。此外，為緩解異方差問題，所有模型均采用穩(wěn)健標準誤對回歸結果進行修正。

為驗證假設H2，本文參考溫忠麟等（2004）的逐步回歸法建立如下中介效應檢驗模型：

其中，Effort表示審計資源投入水平。根據(jù)數(shù)據(jù)來源不同，現(xiàn)有研究對審計資源投入的度量方法主要有兩種：一是基于行業(yè)組織和監(jiān)管機構的內部檔案數(shù)據(jù)，采用審計師實際審計工時，比如項目組審計師外勤總天數(shù)等（陳宋生和田至立，2019）；二是基于公開數(shù)據(jù)，采用資產負債表日與審計日間隔天數(shù)的自然對數(shù)衡量，時間越久，審計師越努力，審計資源投入就越多（梁日新和李英，2021）。鑒于數(shù)據(jù)可得性，本文選用第二種方法度量審計資源投入水平，設立審計報告簽署時長（Audlag）變量，采用資產負債表日至審計報告簽署日的間隔天數(shù)并取自然對數(shù)反映審計報告時滯，數(shù)值越大，表明審計資源投入越多。此外，本文參考Zhong（2018）的方法，間接采用年度分析師跟蹤數(shù)量的自然對數(shù)度量（Analyst），以反映審計資源投入水平。該指標數(shù)值越大，表明分析師關注度越高，審計師越能夠充分了解被審計單位的情況，審計師所需投入的額外審計資源也越少。Controls為控制變量①限于篇幅，模型（3）至模型（6）中Controls均表示控制變量，同模型（2）中的控制變量一致。，Industry和Year分別為行業(yè)固定效應和年度固定效應，ε為隨機擾動項。

為驗證假設H3，本文采用逐步回歸法的中介效應檢驗模型：

其中，Risk表示審計風險水平。本文主要采用三個指標進行度量：（1）企業(yè)經營風險（Volatility）。審計師面臨的審計風險與被審計單位的經營風險緊密相關（邢立全和陳漢文，2013），因為遭受財務損失的企業(yè)也會對審計師提起訴訟并要求賠償損失。參照已有研究方法，采用企業(yè)近三年息稅前利潤與總資產之比的標準差反映企業(yè)經營風險，數(shù)值越大，表明企業(yè)經營波動性越高，經營風險越大，審計師感知的訴訟風險水平越高。（2）內部控制缺陷（Deficiency）。上市公司的內部控制質量越低，財務報告質量越低，審計師面臨的風險越高（Beneish等，2008）。借鑒已有研究的做法，如果企業(yè)當年存在內部控制缺陷，表明企業(yè)內部控制有效性較差，審計師面臨較高審計風險，賦值為1；反之，當企業(yè)不存在內部控制缺陷時，審計師更傾向于出具內控有效意見，審計風險較低，賦值為0。（3）代理成本（Agcost）。朱春艷等（2017）研究發(fā)現(xiàn)大股東掏空引發(fā)的代理成本會給審計師帶來更高的審計風險。因此，本文采用大股東占款度量代理成本，等于其他應收款占總資產的比重，數(shù)值越大，表明代理沖突越嚴重，審計風險水平越高。Controls為控制變量，Industry和Year分別為行業(yè)和年度固定效應，ε為隨機擾動項。本文預期式（5）、式（6）的系數(shù)β1顯著為負，且β2顯著為正。

（四）描述性統(tǒng)計與相關性分析

表2為主要變量的描述性統(tǒng)計結果。審計收費（Audfee）的平均值和標準差分別為13.676和0.621，表明我國制造業(yè)上市公司的審計費用存在較大差異，這與現(xiàn)有文獻結果基本一致（胡耘通等，2021）。企業(yè)工業(yè)機器人滲透度（Robots）的平均值為0.235，標準差為0.559，表明制造業(yè)上市公司工業(yè)機器人應用水平不高，工業(yè)機器人滲透度還有待深化?？刂谱兞糠矫妫琇ev的平均值為0.393，說明制造業(yè)上市公司的財務杠桿水平適中；Roa的平均值為0.039，制造業(yè)上市公司的盈利能力仍不強；其余變量的結果均在合理范圍內，此處不再贅述。另外，根據(jù)相關性分析結果可知，Robots與Audfee的偏相關系數(shù)在1%的水平下顯著為負，初步表明企業(yè)工業(yè)機器人應用與審計收費負相關。解釋變量與控制變量的方差膨脹因子（VIF）平均值和最大值均小于臨界值10，且大多數(shù)變量間的相關系數(shù)小于0.50，說明回歸模型不存在嚴重的多重共線性問題。

表2 描述性統(tǒng)計結果

四、 實證結果分析

（一）基準回歸：工業(yè)機器人應用與審計收費

表3報告了企業(yè)工業(yè)機器人應用影響審計收費的回歸結果。由列（1）可知，在控制了企業(yè)規(guī)模、資產負債率等企業(yè)基本特征和財務特征后，Audfee對Robots的回歸系數(shù)在1%的顯著性水平下為負值，初步表明企業(yè)工業(yè)機器人應用規(guī)模越大，其審計收費水平越低。進一步加入股權制衡度、董事會規(guī)模等公司治理變量后，結果如表3列（2）所示，Robots的系數(shù)仍顯著為負。最后，加入事務所規(guī)模、審計意見以及地區(qū)經濟發(fā)展變量，由列（3）可知，Robots的系數(shù)為-0.036，且在1%的水平下顯著為負。從經濟含義分析，企業(yè)工業(yè)機器人滲透度每提高一個單位，會使審計收費平均降低3.6%。上述逐步回歸法的結果表明，企業(yè)工業(yè)機器人應用與審計收費水平負相關，即工業(yè)自動化有助于緩解制造業(yè)企業(yè)的審計成本，至此假設H1得以驗證。此外，控制變量Soe的系數(shù)顯著為負，說明國有企業(yè)比非國有企業(yè)的審計費用更低；Roa的系數(shù)顯著為負，說明公司良好的經營績效有助于降低審計收費水平；Concur的系數(shù)顯著為正，說明對于董事長兼任總經理的企業(yè)，審計師將會收取更高的審計費用；Audop的系數(shù)顯著為負，說明審計意見越正面，審計費用水平越低。

表3 工業(yè)機器人應用與審計收費的回歸結果

（二）影響機制檢驗

表4報告了審計資源作為中介變量的逐步回歸法檢驗結果。第（1）、（3）列中Robots分別與Audlag、Analyst顯著負相關和正相關，表明企業(yè)工業(yè)機器人應用有助于降低審計報告簽署時滯并且增強公司透明度，進而減少審計資源投入。第（2）、（4）列中Audlag和Analyst分別與Audfee顯著正相關和顯著負相關，且Robots的系數(shù)仍顯著為負，表明審計資源投入越少，審計收費水平越低。Sobel檢驗的Z統(tǒng)計量分別為-1.980和-3.462，證明中介效應成立，即企業(yè)工業(yè)機器人應用確實通過降低審計資源投入進而緩解審計收費水平，審計資源機制假設H2得以驗證。

表4 審計資源機制的中介效應檢驗

表5報告了審計風險作為中介變量的逐步回歸法檢驗結果。第（1）、（3）、（5）列中Robots與Volatility、Deficiency和Agcost均顯著負相關，表明企業(yè)工業(yè)機器人應用有助于緩解企業(yè)的盈利波動性、內部控制缺陷以及代理成本，從而降低審計師感知的審計風險。第（2）、（4）、（6）列中Volatility、Deficiency和Agcost的系數(shù)均在1%的顯著性水平下為正值，表明較高的審計風險將導致審計收費增加，并且Robots的系數(shù)仍顯著為負，且通過了Sobel檢驗（Z統(tǒng)計量分別為-2.044、-4.694和-2.042）。中介效應檢驗結果表明，企業(yè)工業(yè)機器人應用還可能通過緩解審計師感知的審計風險進而降低審計收費水平，支持了審計風險機制假設H3。

表5 審計風險機制的中介效應檢驗

（三）穩(wěn)健性檢驗

1.工具變量法。審計收費水平由眾多影響因素決定，本文使用工具變量法以緩解可能存在的遺漏變量問題。工具變量的選取依據(jù)以下兩種方法：首先，參考王永欽和董雯（2020）采用的“巴蒂克工具變量”方法，以根據(jù)美國行業(yè)層面工業(yè)機器人數(shù)據(jù)計算出的中國企業(yè)層面機器人滲透度（Robots_US）作為工具變量。其次，借鑒聶飛等（2022）的方法，采用同年度同行業(yè)其他企業(yè)的工業(yè)機器人滲透度作為工具變量。同行企業(yè)具有較為相似的政策環(huán)境、產品市場以及商業(yè)發(fā)展模式，同行企業(yè)工業(yè)機器人應用規(guī)模會顯著影響目標企業(yè)的工業(yè)機器人應用規(guī)模，但對目標企業(yè)審計費用水平的影響尚不確定，故滿足工具變量的相關性和外生性假設。同行企業(yè)的工業(yè)機器人滲透度（Peer_Robots）等于除目標企業(yè)外其他同行企業(yè)工業(yè)機器人滲透度的算術平均值。此外，本文還通過加入員工平均工資的對數(shù)、公司年齡的平方項以及地區(qū)和年度交互固定效應以控制企業(yè)勞動力成本、經營期限和不同地區(qū)逐年變化的不可觀測因素對審計收費的影響。

表6列示了工具變量法的回歸結果。由第（1）列可知，第一階段回歸中工具變量Robots_US和Peer_Robots的系數(shù)均在1%的水平下顯著為正，Cragg-DonaldF統(tǒng)計量大于10，說明兩種工具變量對Robots均具有較強的解釋力度，不存在弱工具變量的問題。另外，Hansen J檢驗的統(tǒng)計量P值為0.912，說明工具變量不存在過度識別的問題，滿足工具變量的外生性假設。根據(jù)第二階段回歸結果可知，Robots的回歸系數(shù)顯著為負，表明在緩解了遺漏變量的內生性問題后，本文結果仍然穩(wěn)健。

表6 工具變量法檢驗結果

2.Heckman兩階段法。盡管企業(yè)工業(yè)機器人應用主要取決于行業(yè)技術進步，但是管理層個體特征和行為決策決定了企業(yè)技術變革的方向和質量，比如董事長研發(fā)背景、高管學術經歷、CEO復合職業(yè)背景等（劉冀徽等，2022），導致不同特征的管理層應用工業(yè)機器人存在差異，由此產生解釋變量非隨機的自選擇偏差問題。為此，本文采用Heckman兩階段法克服該內生性問題。首先，構建Probit回歸模型。根據(jù)重要性原則，本文選取公司管理層個體特征作為工業(yè)機器人應用水平的工具變量，包括管理層男性人數(shù)占比、平均年齡、金融背景、海外背景和持股比例。此外，還考慮了董事長或總經理的生產工作經歷、研發(fā)工作經歷以及學術經歷。Probit模型的被解釋變量為D_Robots，當Robots高于行業(yè)和年度中位數(shù)時取1，表示高工業(yè)機器人應用；反之為0，表示低工業(yè)機器人應用。其次，將第一階段回歸得到的逆米爾斯比率（IMR）代入主回歸模型重新測試。①逆米爾斯比率（IMR）等于第一階段Probit回歸估計出的因變量擬合值的概率密度函數(shù)與累積分布函數(shù)之比；管理層特征變量的數(shù)據(jù)來源于國泰安經濟金融數(shù)據(jù)庫（CSMAR）。

回歸結果如表7所示，根據(jù)第（1）列可知，當管理層男性數(shù)量占比越高、平均年齡越大以及董事長或CEO越有生產工作經歷時，企業(yè)工業(yè)機器人應用水平越高；而當管理層擁有海外背景、金融背景、更高持股比例以及董事長或CEO有研發(fā)工作經歷時，企業(yè)工業(yè)機器人應用水平更低。第二階段回歸結果如列（2）和列（3）所示，IMR的系數(shù)顯著為正，說明確實存在自選擇偏差問題，并且Robots系數(shù)都在1%的水平下顯著為負。這表明結論不會因自選擇偏差的影響而改變。

表7 Heckman兩階段法檢驗結果

3.傾向得分匹配法和熵平衡法。為克服樣本選擇偏差的影響，本文首先采用傾向得分匹配法（PSM）進行內生性檢驗。將D_Robots作為被解釋變量，選取式（2）中的公司規(guī)模、資產負債率、產權性質、董事會規(guī)模、獨立董事占比等變量作為協(xié)變量，采用Probit模型回歸并計算出傾向得分數(shù)值。根據(jù)得分值按照最近鄰匹配法進行一比一匹配，得到15 980個公司—年度觀測值，且絕大多數(shù)協(xié)變量在匹配后的實驗組與控制組之間不存在顯著差異，滿足平衡性假設。根據(jù)PSM法回歸結果可知，Robots的系數(shù)仍在1%水平下顯著為負。為得到更可靠的結果，本文采用較為嚴謹?shù)撵仄胶夥ㄒ钥朔SM方法對協(xié)變量選取的主觀性問題，從而滿足自然實驗的隨機性和外生性特征。借鑒Francoeur等（2023）的研究，選取公司規(guī)模、資產負債率、產權性質、董事會規(guī)模、獨立董事占比等變量作為協(xié)變量，此外還控制了行業(yè)固定效應和年度固定效應，重新進行Probit回歸，熵平衡法檢驗結果仍然穩(wěn)健。

4.其他穩(wěn)健性檢驗。第一，替換被解釋變量。為考察本文研究結果是否在時間維度上具有穩(wěn)定性，分別使用t+1期和t+2期的Audfee作為被解釋變量，并重復式（2）的回歸測試。第二，替換企業(yè)工業(yè)機器人滲透度的衡量方式。一是設立企業(yè)是否應用工業(yè)機器人的虛擬變量，當企業(yè)層面工業(yè)機器人滲透度大于0時，取1，視為企業(yè)應用工業(yè)機器人，反之取0，視為企業(yè)未應用工業(yè)機器人；二是根據(jù)當年行業(yè)層面工業(yè)機器人的安裝量計算出企業(yè)層面機器人滲透度；三是借助文本挖掘方法，通過文本分析技術識別上市公司年報中是否出現(xiàn)“工業(yè)機器人”相關關鍵詞及其次數(shù)，并取年報中出現(xiàn)“工業(yè)機器人”相關關鍵詞數(shù)量的自然對數(shù)。第三，分位數(shù)回歸法。為檢驗工業(yè)機器人應用對審計收費的影響是否與樣本分布的差異性有關，本文采用分位數(shù)回歸方法（取Robots的50%分位數(shù)）以克服最小二乘法下一般均值回歸結果的局限性。第四，敏感性檢驗。借鑒聶飛等（2022）的方法，采用更為嚴謹?shù)墓竞湍甓入p重聚類方法修正標準誤，以減小工業(yè)機器人應用降低審計收費的作用結果在同一年份企業(yè)個體間隨機擾動項的差異。第五，控制其他數(shù)字化轉型因素。除了人工智能技術應用外，其他數(shù)字化轉型活動也可能影響審計定價水平。為此，本文在式（2）的基礎上進一步控制區(qū)塊鏈技術、云計算、大數(shù)據(jù)等數(shù)字技術應用對審計收費的影響。上述穩(wěn)健性檢驗結果表明，無論采用何種測試方法，本文結論未有改變，進一步支持了前文研究假設。①限于篇幅，傾向得分匹配法、熵平衡法和其他穩(wěn)健性檢驗結果未列示，如有需要可聯(lián)系作者。

五、 進一步分析

（一）工業(yè)機器人應用影響審計收費的異質性分析

1.區(qū)分不同企業(yè)勞動密集度。制造業(yè)領域不同行業(yè)的要素密集度具有較大差異，資本密集型企業(yè)和勞動密集型企業(yè)不同的生產模式和發(fā)展導向決定了企業(yè)工業(yè)機器人應用水平。相較于資本密集型行業(yè)，勞動密集型企業(yè)以低技能勞動力為主，機器人應用對勞動者的替代程度在勞動密集型行業(yè)更強（李磊等，2021）。因此，相對于資本密集型企業(yè)，工業(yè)機器人應用對審計收費水平的抑制作用在勞動密集型企業(yè)中更加顯著。為檢驗這一差異，本文借鑒李磊等（2021）對勞動密集型的劃分，采用企業(yè)年末固定資產凈額與員工總人數(shù)的比值衡量企業(yè)勞動密集度，當該指標大于行業(yè)和年度中位數(shù)時，定義為資本密集型企業(yè)；當小于或等于行業(yè)和年度中位數(shù)時，定義為勞動密集型企業(yè)。分組回歸結果如表8的列（1）和列（2）所示，Robots的系數(shù)在資本密集型企業(yè)中負向但不顯著，而在勞動密集型企業(yè)中顯著為負，且通過了組間系數(shù)差異檢驗（χ2=5.05，P-value=0.025），說明相對于資本密集型企業(yè)，勞動密集型企業(yè)使用工業(yè)機器人對審計收費的降低作用更明顯，支持了本文的觀點。

表8 異質性分析檢驗結果

2.區(qū)分不同企業(yè)技術密集度。企業(yè)的技術進步水平決定了其工業(yè)智能化程度，IFR的統(tǒng)計數(shù)據(jù)顯示，工業(yè)機器人的應用和普及大多數(shù)集中于電子、計算機、汽車等技術密集型行業(yè)。本文認為相較于非技術密集型企業(yè)，工業(yè)機器人應用對審計收費的緩解作用可能在技術密集型企業(yè)中更加顯著。一方面，技術密集型企業(yè)的技術迭代速度更快，對自動化生產和智能制造的需求較高，工業(yè)機器人的使用更加主動。另一方面，技術密集型企業(yè)的技術創(chuàng)新能力往往較強，但也面臨較高的創(chuàng)新失敗風險，甚至危及企業(yè)經營穩(wěn)定性和持續(xù)經營能力，導致審計師傾向于收取更高的審計費用以對沖潛在訴訟風險?？傊?，與非技術密集型企業(yè)相比，技術密集型企業(yè)的“機器換人”動力更強，固有審計收費水平較高，使工業(yè)機器人應用對審計收費的抑制作用更為顯著。為驗證這一推論，本文借鑒盛丹和卜文超（2022）的方法，按企業(yè)全要素生產率的行業(yè)和年度中位數(shù)將樣本分成技術密集型企業(yè)和非技術密集型企業(yè)。表8的列（3）和列（4）報告了該異質性分析結果，Robots的系數(shù)在技術密集型企業(yè)中顯著為負，而在非技術密集型企業(yè)中負向不顯著，但組間系數(shù)差異不明顯（χ2=1.70，P-value=0.192），說明相對于非技術密集型企業(yè)，工業(yè)機器人應用顯著降低了技術密集型企業(yè)的審計收費水平。

3.區(qū)分不同審計師任期。審計師任期是影響工業(yè)機器人應用與審計收費關系的重要治理因素。任期時間越久的審計師對被審計單位的情況越了解，審計證據(jù)收集的充分性得以保障，有助于提升審計資源配置效率并降低審計風險，從而適當調低審計定價水平。與此同時，較長的審計任期容易促使審計師與客戶形成穩(wěn)定的業(yè)務關系，但從獨立性原則角度，審計師可能會出于業(yè)務承接和客戶關系維持的考量而降低審計收費水平，甚至出現(xiàn)審計師獨立性降低和審計意見購買等異常審計收費行為。因此，當審計師任期時間較長時，工業(yè)機器人的使用將難以對審計資源投入和審計風險起到應有的治理效果，進而對緩解審計收費的作用有限。為檢驗這一關系，本文根據(jù)審計師任期的行業(yè)和年度中位數(shù)將樣本分成審計任期長和審計任期短兩組樣本。分組回歸結果如表8的列（5）和列（6）所示，Robots的系數(shù)在較短審計任期下顯著為負，而在較長審計任期下負向不顯著，且組間系數(shù)差異顯著（χ2=10.75，P-value=0.001），說明相對于較長審計任期，審計師任期越短，工業(yè)機器人應用對審計費用的治理作用越明顯。

（二）工業(yè)機器人應用對不同性質審計收費的影響分析

總體審計收費是正常審計收費和異常審計收費的綜合表現(xiàn)，為全面剖析工業(yè)機器人應用與審計收費的影響關系，本文進一步從審計收費性質視角分析工業(yè)機器人應用影響審計收費的差異性。根據(jù)前文結果可知，工業(yè)機器人應用可能通過優(yōu)化審計資源配置和降低審計風險進而緩解總體審計收費。進一步地，工業(yè)機器人應用能夠起到一定的監(jiān)督治理作用，抑制管理層人為操縱的機會主義傾向，降低管理層與審計師合謀導致的審計意見購買行為，進而緩解異常審計收費?；诖?，本文認為相較于正常審計收費，工業(yè)機器人應用對異常審計收費的治理作用更顯著。本文借鑒高瑜彬等（2017）的研究方法，采用審計定價模型的擬合值衡量正常審計收費（Nor_Audfee），擬合后的殘差衡量異常審計收費（Abn_Audfee）。回歸結果如表8的列（7）和列（8）所示，Robots與Nor_Audfee正向不顯著，而Robots與Abn_Audfee在1%的水平下顯著負相關，且通過了組間系數(shù)差異卡方檢驗（χ2=23.27，P-value=0.000），說明工業(yè)機器人應用對總體審計收費的負向影響主要體現(xiàn)為異常審計收費的下降。

六、 結論與政策建議

數(shù)字經濟時代下，大數(shù)據(jù)、人工智能等先進數(shù)字技術正成為推動中國傳統(tǒng)制造業(yè)轉型升級和戰(zhàn)略性新興產業(yè)創(chuàng)新發(fā)展的重要力量，特別是近年來中國工業(yè)機器人產業(yè)的蓬勃發(fā)展，引發(fā)了學術界和實務界關于“機器換人”經濟后果的深入思考，尤其是對于人工智能技術應用對微觀企業(yè)治理的研究亟待拓展和豐富?；诖耍疚牟捎?011—2019年中國A股制造業(yè)上市公司的面板數(shù)據(jù)，實證考察了工業(yè)機器人應用對審計收費的影響。本文研究發(fā)現(xiàn)，工業(yè)機器人應用與審計收費呈現(xiàn)負相關關系，即企業(yè)工業(yè)機器人的使用顯著降低了事務所審計收費水平。經過一系列穩(wěn)健性檢驗，該結論未有改變。機制檢驗表明，減少審計資源投入和降低審計師的審計風險感知是工業(yè)機器人應用抑制審計收費的兩種作用路徑。異質性檢驗表明，勞動密集型、技術密集型以及較短審計師任期的企業(yè)能夠進一步強化兩者的負向作用關系。進一步，區(qū)分審計收費性質后發(fā)現(xiàn)，工業(yè)機器人應用對異常審計收費的緩解作用更顯著，而對正常審計收費的影響不明顯。本文一定程度上豐富了機器人應用與審計定價影響關系的相關研究，對推動制造業(yè)企業(yè)數(shù)字化轉型和優(yōu)化事務所審計收費決策具有借鑒意義。

本文的政策建議如下：第一，本文的研究表明工業(yè)機器人應用有助于緩解企業(yè)審計費用，具有明顯的正外部性作用。對勞動密集型和技術密集型的制造業(yè)企業(yè)而言，要進一步加大工業(yè)機器人應用深度，積極向工業(yè)自動化和高端智能制造轉型，借助人工智能技術應用不斷提高企業(yè)生產效率，提升內部控制質量，降低經營風險和管理層財務舞弊風險，進而緩解審計費用，優(yōu)化企業(yè)經營成本結構。第二，本文的研究發(fā)現(xiàn)工業(yè)機器人應用有助于減少審計資源投入并降低審計師的風險感知。對會計師事務所而言，盡管工業(yè)機器人應用對審計業(yè)務收入產生一定的負面沖擊，但是有助于審計師合理安排審計資源，降低審計訴訟風險。因此，當審計客戶的工業(yè)自動化水平較高時，事務所應根據(jù)實際情況合理安排審計業(yè)務承接和審計資源投入，抑或調整所內業(yè)務結構，從而在審計收入和訴訟風險之間取得平衡。第三，對政府部門而言，應進一步加強機器人產業(yè)扶持力度，尤其是對于工業(yè)智能化轉型較為困難的勞動密集型企業(yè)和資金需求較高的技術密集型企業(yè)，通過實施積極的財政補貼、稅收優(yōu)惠、提供員工數(shù)字培訓等制度性安排激勵企業(yè)向智能制造轉型，為促進人工智能技術與實體企業(yè)融合、降低企業(yè)經營成本以及推動經濟高質量發(fā)展提供良好的制度環(huán)境。

本文的研究局限性在于：一是本文適用于雙重差分（DID）方法開展研究，但是囿于目前僅可獲得行業(yè)層面的機器人應用數(shù)據(jù)，較難依據(jù)企業(yè)實際機器人使用情況進行DID分析，未來隨著上市公司機器人應用信息披露的增多，可作進一步的因果識別研究；二是由于工業(yè)機器人數(shù)據(jù)的單一性，較難對工業(yè)機器人類型和質量等特征進行多角度剖析，未來可深入研究簡單工業(yè)機器人應用與智能工業(yè)機器人應用對審計收費的影響差異；三是由于工業(yè)機器人滲透度指標構建和研究問題的特殊性，本文未采用個體固定效應模型以緩解遺漏變量問題，隨著數(shù)據(jù)顆粒度的提升，未來可采用更加嚴謹?shù)膫€體固定效應模型加以檢驗。