上海财经大学学报  2018, Vol. 20 Issue (2): 25-38     
文章浏览量:[]

0

文章信息

上海财经大学
2018年20卷第2期
孙安其
Sun Anqi
产能过剩与审计治理——基于审计费用风险溢价的实证研究
Overcapacity and Auditing Governance: An Empirical Study Based on Risk Premium of Audit Fees
上海财经大学学报, 2018, 20(2): 25-38.
Journal of Shanghai University of Finance and Economics, 2018, 20(2): 25-38.

文章历史

收稿日期:2017-12-28
《上海财经大学学报》
2018第20卷第2期
产能过剩与审计治理——基于审计费用风险溢价的实证研究
孙安其     
上海财经大学 会计学院,上海 200433
摘要:产能过剩及其治理问题是当前中国经济面临的重大课题。文章基于工信部2009–2015年公布的各省份分行业淘汰落后和过剩产能的行政规定,以中国A股上市公司为样本,考察了产能过剩对审计收费的影响。研究发现:由于产能过剩,企业的经营、财务和政策等风险上升,会计师事务所为了降低审计风险而提高审计收费,表明审计费用存在风险溢价。进一步的分析显示,相对于民营企业,国有企业产能过剩导致的审计费用风险溢价更高;所在地区市场化程度越高,企业产能过剩导致的审计费用风险溢价越高;与没有政治关联的公司相比,有政治关联的公司产能过剩导致的审计费用风险溢价更低。最后,利用工信部公布的各省份去产能完成额度数据构建了新的产能过剩指标,文章的研究结论保持稳健。文章的研究表明,我国审计市场识别和关注了产能过剩带来的企业特有风险,并通过审计费用风险溢价向监管部门和资本市场投资者传递企业产能过剩的风险信息,从而对于化解产能过剩具有一定的外部治理作用;同时发现了审计市场对产能过剩治理作用的经验证据,对于新常态下的去产能、供给侧改革和经济转型具有较为重要的政策启示意义。
关键词产能过剩     审计治理     审计费用     风险溢价    

一、引  言

从20世纪90年代开始,由于特有的财政分权体制、官员政治晋升制度和地方政府干预等体制性因素,中国的产能过剩问题越来越严重(江飞涛等,2012;周黎安,2004)。2008年全球金融危机爆发后,政府短暂的产能管控放松以及随后的四万亿元经济刺激计划,使得中国部分行业产能严重过剩,加之国内外需求放缓,产能过剩问题越来越成为我国经济运行中的突出矛盾(杨其静和吴海军,2016)。化解产能过剩,是经济新常态下供给侧改革的重要任务,也是实现中国经济持续健康发展必须要解决的难题。因此,学术界对产能过剩形成机理和经济后果的研究具有重大的现实意义。从微观企业的角度来看,由于产能过剩,企业的经营风险、财务风险和财务报告舞弊风险等显著提高。在政府推动去产能的背景下,企业面临的政策风险也徒然增加。随着企业相关风险水平的上升,审计师作为资本市场重要的信息中介,是否给予产能过剩企业审计风险必要的关注,产能过剩对公司审计有何影响,是一个重要而又有趣的学术问题。

现有研究主要从宏观经济和行业政策的角度出发研究产能过剩的形成机理(余东华和吕逸楠,2015;王立国和鞠蕾,2012;韩国高等,2011;耿强等,2011;林毅夫等,2010),但对于产能过剩经济后果的研究相对较少。因此,为了寻找化解产能过剩的有效对策,从微观企业角度出发研究产能过剩的经济后果具有重要的学术价值。有鉴于此,中国注册会计师协会多次发文要求会计师事务所特别关注产能严重过剩企业的年报审计风险,但目前学术界尚未检验审计师是否关注了该类风险。所以,从上市公司视角出发研究产能过剩对审计市场的经济后果,既可以弥补相关研究的空白,也可以为理解产能过剩和寻找去产能对策提供理论支撑。

为了化解产能过剩问题,从2009年开始,中国政府开始出台了一系列行政措施,规范和指导地方政府去产能。工业和信息化部(以下简称工信部)从2009年开始按年度下达各省份分行业淘汰落后和过剩产能的指标,并公布各年度各省份对去产能指标的完成情况。政府行政主导的产能过剩行业以及地区完成指标的确定,具有不可预知性,可作为一种外生事件,这有利于我们在考察产能过剩对审计市场的影响时排除内生性问题的困扰。

基于工信部2009–2015年公布的各省份分行业淘汰落后和过剩产能的行政规定,以中国A股上市公司为样本,本文考察了产能过剩对审计收费的影响。研究发现,由于产能过剩,企业的经营、财务和政策等风险上升,会计师事务所为了降低审计风险而提高审计收费,表明审计费用存在风险溢价。进一步的分析显示,相对于民营企业,国有企业产能过剩导致的审计费用风险溢价更高;所在地区市场化程度越高,企业产能过剩导致的审计费用风险溢价越高;与没有政治关联的公司相比,有政治关联的公司产能过剩导致的审计费用风险溢价更低。最后,本文利用工信部公布的各省份分年度分行业淘汰落后和过剩产能完成额度数据构建了新的产能过剩指标,检验发现本文的研究结论保持稳健。本文的研究表明,在中国当前产能过剩矛盾突出和通过政府干预去产能的背景下,我国审计市场识别和关注了产能过剩带来的企业特有风险,审计师通过增加审计程序和风险成本来降低审计风险,从而提高了审计收费。审计师作为我国资本市场的重要信息中介,发挥着外部公司治理的作用。产能过剩导致的审计费用风险溢价本质上是通过审计市场向监管部门和投资者传递企业产能过剩的风险信息,从而使得审计对于化解产能过剩发挥着一定的外部治理作用。

本文的研究贡献体现在以下两个方面:首先,本文拓展了审计费用影响因素和风险溢价的相关研究。现有关于审计费用的研究难以解决内生性问题,影响研究结论的可靠性,本文利用工信部公布的去产能行政规定这一外生事件,可以较好地控制内生性的影响。一方面,本文研究发现产能过剩会提高审计收费,拓展了审计费用影响因素的研究。另一方面,本文发现产能过剩导致了审计费用风险溢价,这增加了我们对于公司风险与审计费用之间关系的理解,为认识审计费用风险溢价现象提供了新的经验证据。其次,本文丰富了产能过剩经济后果的相关研究。产能过剩是当前学术界的研究热点,本文以我国上市公司为样本,利用微观企业数据研究了产能过剩对审计市场的经济后果,有利于丰富学术界关于产能过剩发生机理、经济后果以及治理对策的研究。

本文的其他内容作如下安排:第二部分是相关文献的综述;第三部分讨论制度背景和研究假说;第四部分介绍样本数据和研究设计;第五部分进行实证分析;第六部分是稳健性检验;最后对全文进行总结并提出政策建议。

二、文献回顾 (一) 产能过剩的研究

国外主流经济理论认为产能过剩是市场经济的一种自然现象。过剩产能可能是企业策略性投资行为的结果,即在位企业试图以过度投资向潜在进入者发出可置信威胁(Spence,1977)。企业为应对市场需求的不确定性,可能会保持合理的闲置产能(Pindyck,1988)。因此,在西方市场经济体中,产能过剩现象既不需要政府干预而且政府也难以有效干预。

20世纪90年代中后期,我国告别短缺经济,很多制造业部门开始出现产能过剩问题。2007–2008年美国次贷危机引发的全球金融危机导致我国政府短暂地放松产能管制,但随后的四万亿元经济刺激计划使得产能过剩问题进一步恶化,因此中央政府在2009年9月紧急发布了《关于抑制部分行业产能过剩和重复建设引导产业健康发展若干意见的通知》,开始通过行政手段严厉处置产能过剩问题。在中国现行的经济体制下,财政分权制度和以考核GDP增长为核心的政府官员晋升制度,使得地方政府具有强烈动机干预企业投资和利用各种优惠政策招商引资,投资者对热门行业的大规模投资容易引发这些行业的产能过剩(余东华和吕逸楠,2015;王文甫等,2014;王立国和鞠蕾,2012;江飞涛等,2012;耿强等,2011)。上述的“体制扭曲论”是目前国内学者对中国产能过剩形成机理的一种主流解释。例如,韩国高等(2011)发现政府不当干预等导致的固定资产投资过度是产能过剩的直接原因;黄俊等(2014)认为政府保持就业稳定的社会目标阻碍了劳动密集型企业在行业发生衰退时及时退出,导致企业过度投资从而形成产能过剩。除了“体制扭曲论”的观点,部分学者提出“市场失灵论”来解释中国的产能过剩现象。林毅夫等(2010)认为在发展中国家,投资者容易对前景良好的产业产生共识,出现“潮涌现象”,即由于市场信息不完备,投资者对行业内企业数目不确知,投资协调难度大,因而出现产能过剩。目前国内关于产能过剩经济后果的研究还相对较少。耿强等(2011)认为地方政府的政策性补贴,扭曲了要素市场价格,压低了投资成本,形成产能过剩,成为中国经济波动的主要影响因素。国务院发展研究中心《进一步化解产能过剩的政策研究》课题组(2015)的实地调研发现,当前我国的产能过剩矛盾孕育着严重的经济社会风险,必须予以高度重视。杨其静和吴海军(2016)对中央政府实施的产能管制措施进行政策评估,发现中央的管控措施可以在短期缓解产能过剩问题。

总结现有产能过剩的研究,可以看出,当前学者对产能过剩的探究主要从宏观经济和行业政策的视角出发分析产能过剩的形成机理。一方面,企业是产能投资行为的微观实施主体,从微观企业的角度出发研究产能过剩问题具有重要的理论意义,尤其是当前会计和财务学科对产能过剩的研究还未展开,本文利用上市公司样本的研究是一个新的尝试。另一方面,目前关于产能过剩经济后果的研究还相对较少,本文从审计市场出发研究产能过剩带来的审计后果可以增加我们对于产能过剩现象的认识,为当前去产能政策提供理论支撑。

(二) 审计费用的研究

Simunic(1980)开创性地研究了审计费用的决定因素,之后国内外大量文献探讨了审计费用的影响因素,这些研究大致从公司和会计师事务所两个层面展开。从公司层面来看,客户规模(Simunic,1980)、资产结构(Firth,1985)、业务复杂性(Francis,1984)、公司治理水平(Abbott等,2003)等会影响审计费用。国内学者的研究还发现,公司治理结构(蔡吉甫,2007;潘克勤,2008)、产权性质(高雷和张杰,2010)、行政处罚(宋衍蘅,2011)、内部控制(李越冬等,2014)、盈余管理(张娟和黄志忠,2014)、媒体报道(刘启亮等,2014)、商誉估计(叶建芳等,2016)、股票卖空机制(黄超和黄俊,2016)等公司层面的因素会影响审计费用。从审计师和会计师事务所层面来看,现有研究发现,审计费用受到审计意见(Simunic,1980)、会计师事务所规模和声誉(DeFond等,2000)、会计师事务所合并(Firth等,2004)等的影响。国内学者的研究发现,审计师变更(李爽等,2004)、会计师事务所行政处罚(刘笑霞,2013)会对审计费用产生显著影响。

在现代风险导向审计模式下,上述客户和会计师事务所特征对审计费用的影响主要是通过执行审计程序的成本和审计风险补偿成本的变化。Simunic(1980)研究指出,对于高风险企业,由于执行审计的成本较高及未来面临诉讼的可能性较大,会计师事务所将收取更高的审计费用,即审计收费存在风险溢价。李爽和吴溪(2004)、刘继红和周仁俊(2007)研究发现我国审计客户监管风险水平的上升会提高审计定价,表明我国审计市场的风险来源之一是监管和政策风险。潘克勤(2008)研究发现公司治理指数越高,审计定价越低,表明公司内部治理风险也是我国审计市场的风险来源之一。邱学文和吴群(2010)认为现代风险导向审计模式下重大错报风险中的财务风险和持续经营风险受到我国审计师的关注。张天舒等(2013)发现金融危机导致的客户经营风险的上升会提高审计师的收费,带来较高的审计费用风险溢价。随着中国证券市场法律环境的变化,审计师面临的诉讼风险已明显增加,刘启亮等(2014)研究发现,在2006年之后媒体负面报道通过增加诉讼风险来促使事务所提高了审计收费。

总结现有审计费用的研究,我们可以发现,由于客户审计风险的上升,审计师执行额外审计程序的成本以及风险补偿成本上升,导致审计费用增加,即审计费用存在风险溢价。在中国审计市场上,客户的审计风险包括经营风险、财务风险、持续经营风险、诉讼风险以及政策和监管风险等。现有关于审计费用风险溢价的研究为我们探究产能过剩对审计定价的影响机制提供了理论支持。但是,需要注意的是,该类文献较难解决研究中的内生性问题,因而制约了研究的可靠性(张天舒和黄俊,2013)。本文利用工信部出台的行政文件这一外生事件研究产能过剩与审计费用风险溢价的关系,在方法论上可以避免内生性问题的困扰。

三、制度背景和研究假说

持“体制扭曲论”观点的学者认为根植于中国特殊的财政分权体制、官员晋升机制和政府干预等制度背景,产能过剩问题是中国经济发展中的顽疾(余东华和吕逸楠,2015;江飞涛等,2012)。根据国务院发展研究中心《进一步化解产能过剩的政策研究》课题组(2015)的实地调研,无论是从统计数据来看,还是根据企业的反映,都能发现我国目前部分行业产能过剩矛盾突出。例如,2012年我国钢铁产能已达到10亿吨左右,产量7.2亿吨,约占全球产量的46%,产能利用率为72%;2012年全国水泥生产能力达到30.7亿吨,水泥产量22.1亿吨,产能利用率为73.7%。由于发展阶段和经济体制等多种因素叠加的影响,不断恶化的产能过剩问题越来越成为制约中国产业转型和经济发展的重大障碍(耿强等,2011;林毅夫等,2010)。尤其是自2011年以来,产能扩大加上国际国内市场需求放缓,导致我国产能过剩的矛盾进一步凸显。

在这一经济形势下,2009年以来中央政府开始高度重视产能过剩问题,陆续出台多个政策文件抑制产能过剩,并对其进行严厉的行政管控。例如,2009年9月多部委联合发布了《关于抑制部分行业产能过剩和重复建设引导产业健康发展若干意见的通知》,该文件特别关注了部分产能严重过剩的行业,并提出综合运用市场、监管、审批、金融等手段来抑制产能过剩;2013年10月国务院制定《关于化解产能严重过剩矛盾的指导意见》,将化解产能严重过剩矛盾作为产业结构调整的工作重点,进一步细化了分行业的化解对策,要求政府国土、环保、金融、财税等部门协调配合去产能;2016年底中央经济工作会议提出2017年经济工作的“三去一降一补”五大任务,第一大任务就是去产能,化解产能过剩成为经济新常态和供给侧改革的重要任务;从2009年开始,工信部联合其他有关部门开始对各省份的分行业去产能工作进行量化考核,包括对年度去产能指标的下达以及对年度去产能任务完成情况的考核。基于中国的制度背景,我们可以发现当前我国经济发展中产能过剩问题严重,政府干预既是产能过剩形成的重要原因,也成为去产能的重要动力。

聚焦于微观企业个体,处于产能过剩行业的企业,因供过于求,产品销量和收入下滑,同时由于应收账款无法收回、存货积压等主业周转问题,企业永续经营的会计假设受到更多质疑,企业的经营风险徒然增加。不容忽视的是,当前产能过剩矛盾严重,经营风险增加,债务融资成本和股权融资成本不断提高,公司信贷违约的财务风险增加。因企业业绩下滑,为获取高额薪酬和迎合市场的盈利预期等,公司管理层更有动机粉饰财务报告,进行机会主义操纵,因此财务报告存在重大错报的可能性增加。在我国政府严厉去产能的政策背景下,处于产能过剩行业的公司,被兼并重组的可能性增加,经营风险进一步扩大;由于弱法律保护强政府管制的外部环境,当地政府会综合使用财税、金融、环保监管、行政审批等手段限制产能过剩企业,虽然政府可能增加财政补贴,但公司的主业经营持续性存疑,将面临巨大的政策风险。因此,为避免发表不恰当的审计意见,应对上述公司风险的增加,公司的外部审计师将执行更多的审计程序和扩大审计范围,由于审计工作成本的上升,审计费用提高。另外,由于产能过剩企业的财务舞弊风险和破产风险较高,审计师面临较大的诉讼风险和监管风险,审计收费要求的风险补偿相应提高。综合来看,由于产能过剩导致公司的经营、财务和政策等风险提高,审计收费增加,公司的审计费用存在风险溢价。由此,我们提出本文的研究假说1。

假说1:相对于非产能过剩行业的公司,产能过剩行业的公司审计费用更高。

现有研究发现,国有企业的产能过剩程度普遍较民营企业更为严重(王立国和鞠蕾,2012),所以,相对于民营企业,国有企业产能过剩带来的经营等风险更高。同时,由于国有产权约束,国有企业在经营过程中承担了更多的政策和社会性负担。因此,在相同条件下,相较于民营企业,产能过剩的国有企业的经营风险以及财务报告的错报风险更高。再者,虽然国有企业存在地方政府的隐性担保,但在当前产能过剩矛盾突出的经济形势下,淘汰落后和过剩产能成为中央和地方政府一项强有力的经济政策,为了迅速化解过剩产能,由政府控制的不同国有企业间的合并重组成为一种可行方式(2016年宝钢和武钢的合并即是一个例子),此时产能过剩的国有企业永续经营的会计假设受到更多质疑。同时,由于国有企业承担了更多的政策和社会性负担,例如企业职工需要更妥善的安置,因此在去产能过程中面临更高的经营等风险。综合来看,相对于民营企业,国有企业产能过剩带来的经营等风险更高,按照假说1的理论分析,审计收费更高,审计费用风险溢价更高。由此,我们提出本文的假说2。

假说2:相对于民营企业,国有企业产能过剩导致的审计费用风险溢价更高。

从上文的制度背景论述中可以看出,当前我国经济发展中产能过剩问题严重,政府干预既然是产能过剩形成的重要原因,“解铃还须系铃人”,那么政府也成为去产能的重要动力。持“体制扭曲论”的学者认为,不同于西方国家产能过剩的形成机理,中国的产能过剩问题主要是由于政府干预等体制性因素,因此去产能中适当的政府干预是必需的(钟春平和潘黎,2014)。持“市场失灵论”的学者认为,在发展中国家由市场失灵造成的产能过剩,应通过政府干预进行治理(林毅夫等,2010)。杨其静和吴海军(2016)研究发现对于那些产能过剩行业,市场力量并不能在短期内迫使地方政府减缓发展这些行业的冲动,而中央的行政性管制措施可在一定程度上有效抑制这种冲动。市场化程度越高的地区,政府对于产能过剩行业的干预越小,从而在去产能中对产能过剩企业的援助作用越小,使得该地区的企业面临的经营等风险越高,根据假说1的理论分析,审计费用更高,审计费用风险溢价越高。由此,我们提出本文的假说3。

假说3:所处地区市场化程度越高,公司产能过剩导致的审计费用风险溢价越高。

在中国弱法律执行强政府管制的制度背景下,政治关联可以为企业带来税收、信贷和并购等额外收益(潘红波等,2008)。相对于没有政治关联的公司,有政治关联的公司虽处于产能过剩行业,但由于政治资源的庇护,经营风险、财务风险以及政策风险等相对较低。另外,从假说3的分析可知,政府之手是推动企业去产能的重要力量,政治关联可以帮助企业在去产能过程中获取更多的信贷、税收和审批等政策收益,因而有政治关联的公司产能过剩带来的经营等风险更低,根据假说1的理论分析,审计收费更低,审计费用风险溢价也更低。由此,我们提出本文的假说4。

假说4:相对于没有政治关联的公司,有政治关联的公司产能过剩导致的审计费用风险溢价更低。

四、样本数据和研究设计 (一) 样本选择和数据来源

本文以2009–2015年中国A股非金融类上市公司为研究样本,探究上市公司处于产能过剩行业对于审计师收费的影响。产能过剩数据来源于中国工业和信息化部(以下简称工信部)产业政策司网站。工信部每年下达当年度的各省份分行业淘汰落后和过剩产能指标,并在下年公布各省份的指标完成情况,年度指标和完成情况数据均可在产业政策司网站的“淘汰落后”栏目上查询获得。经过手工搜集,我们发现,除了2009年工信部只公布了指标数据,而未公布完成情况,样本期间内的其余年份都可查询到指标和完成情况。我们认为工信部对于产能过剩行业的划分可以作为中国产能过剩行业确定的大致标准,同时各省份去产能年度任务的完成额度可以衡量各地区相关行业产能过剩的相对严重程度。工信部和有关部门从2007年开始公布淘汰落后和过剩产能企业名单,从2009年开始通过年度行业指标下达和任务完成考核的方式对各省份的淘汰落后和过剩产能工作进行指导和规范,所以本文的样本区间是从2009年开始的。本文产能过剩行业的划分是依据工信部公布的年度各省份去产能指标文件,作为一个行政规定,该文件具有外生事件的性质,有利于本文在探究产能过剩对审计收费的影响中排除内生性。

上市公司的经营范围和主营业务数据来源于万得(Wind)数据库。上市公司的相关审计、财务指标、产权属性、市场收益以及政治关联等数据来源于国泰安(CSMAR)数据库。在剔除了数据缺失的样本后,本文的最终样本数为13630个。如表1所示,本文的样本量按年度增加,样本分布趋势和比例没有出现异常。为消除极端值的影响,本文对所有连续变量进行了1%的Winsorize处理。

表 1 样本年度分布表
年度 样本量 比例(%) 累计比例(%)
2009 1 198 8.790 8.79
2010 1 285 9.430 18.22
2011 1 603 11.76 29.98
2012 2 247 16.49 46.46
2013 2 398 17.59 64.06
2014 2 419 17.75 81.80
2015 2 480 18.20 100
总计 13 630 100
(二) 变量定义和研究模型

1. 解释变量

本文的解释变量包括两个产能过剩的度量指标,即Capacity_ICapacity_F。我们先根据工信部每年公布的分行业分地区淘汰落后和过剩产能文件确定当年的产能过剩行业或产品,然后将产能过剩行业或产品与上市公司当年的经营范围和主营业务进行匹配,如果上市公司的经营范围和主营业务中出现相关产能过剩行业或产品,则Capacity_I为1,否则为0。由于各省份的经济结构和发展水平等不同,不同省份间同一行业的产能利用程度也存在差异,因而工信部每年公布的分行业分地区淘汰落后和过剩产能文件中包括了各省份当年各行业去产能指标的不同完成额度,这有利于我们通过地区来进一步细化产能过剩度量指标,即当上市公司的经营范围和主营业务中出现相关产能过剩行业或产品且所在省份当年该行业或产品的去产能额度大于0,则Capacity_F为1,否则为0。

2. 被解释变量

本文研究产能过剩对审计定价的影响,被解释变量为审计费用指标Auditfee,为上市公司当年度年报审计费用的自然对数。

3. 控制变量和调节变量

为确保研究结论的稳健性,参考现有文献(叶建芳等,2016;刘启亮等,2014;宋衍蘅,2011;Wang等,2008;蔡吉甫,2007;Francis,1984;Simunic,1980),将其他影响审计定价的主要因素作为本文研究模型的控制变量,包括:公司规模(Size)、资产负债率(Leverage)、总资产收益率(ROA)、速动比率(Quick)、公司复杂度(Liquid)、资产周转率(Turnover)、业绩亏损(Loss)、系统性风险(Beta)、年度超额收益(Abret)、异质性风险(Sdret)、会计师事务所(Big4)、行业虚拟变量(Industry)以及年度虚拟变量(Year)。为检验假说2–4,本文还定义了三个调节变量,分别为产权性质(SOE)、市场化程度(Market)以及政治关联(Connection)。详细的控制变量和调节变量定义和度量请参见表2

4. 研究模型

借鉴现有审计费用的文献(黄超和黄俊,2016;叶建芳等,2016;刘启亮等,2014;张娟和黄志忠,2014;Wang等,2008;Francis,1984),我们构造了如下回归模型对假说1–4进行实证检验:

$\begin{aligned}Auditfee =& \alpha \! + \!{\beta _1}Capacity\_I/Capacity\_F + {\beta _2}Size + {\beta _3}Leverage + {\beta _4}ROA + {\beta _5}Quick + {\beta _6}Liquid \\& +\! {\beta _7}Turnover \!+\! {\beta _8}Loss \!+\! {\beta _9}Beta \!+\! {\beta _{10}}Abret \!+\! {\beta _{11}}Sdret \!+\! {\beta _{12}}Big4 + \Sigma Industry \!+\! \Sigma Year \!+\! \varepsilon \end{aligned}$ (1)
表 2 变量定义和度量
变量类型 变量符号 变量名称和度量
被解释变量 Auditfee 审计费用指标,审计费用的自然对数
解释变量 Capacity_I 产能过剩指标,根据工信部的规定与上市公司的主营业务匹配,是为1,否则为0
Capacity_F 产能过剩指标,根据工信部的规定与上市公司的主营业务和注册地址匹配,是为1,否则为0
调节变量 SOE 产权性质虚拟变量,国有企业为1,否则为0
Market 市场化指数,来自樊纲等(2011)编制的《中国市场化指数—各地区市场化相对进程2011年报告》,对于尚未披露信息的年度数据,本文参照已有文献以现有最新一期数据做替代处理
Connection 政治关联指标,如果上市公司董事长或总经理曾担任人大代表、政协委员、政府机关人员或军队人员,则为1,否则为0
控制变量 Size 公司规模,营业收入的自然对数
Leverage 资产负债率,总负债与总资产的比值
ROA 总资产收益率,净利润与总资产的比值
Quick 速动比率,流动资产与流动负债的比值
Liquid 公司复杂度,应收账款与存货之和与总资产的比值
Turnover 资产周转率,销售收入与总资产的比值
Loss 亏损虚拟变量,净利润为负为1,否则为0
Beta 系统性风险,根据市场模型计算得到的风险因子
Abret 年度超额收益,年度收益率与市场收益率的差额
Sdret 异质性风险,市场模型所得残差的标准差
Big4 国际四大会计师事务所虚拟变量,会计师事务所为国际“四大”为1,否则为0
Industry 行业虚拟变量,根据证监会2012年上市公司行业分类代码设置
Year 年度虚拟变量,根据2009–2015年度设置
五、实证分析 (一) 描述性统计

表3为主要变量的描述性统计。由表3可以看出,按产能过剩行业或产品匹配的产能过剩指标Capacity_I均值为0.135,表明有13.5%的样本处于产能过剩行业。按产能过剩行业或产品以及地区匹配的产能过剩指标Capacity_F均值为0.067,表明6.7%的样本处于产能过剩行业。Capacity_FCapacity_I的均值相差近一倍,表明我国各省份同一行业的产能利用程度存在较大差异,部分行业的产能过剩程度在某些省份可能尤其严重。

表 3 主要变量的描述性统计
变量名称 样本量 均值 中位数 标准差 最小值 25%分位 75%分位 最大值
Auditfee 13630 13.470 13.340 0.641 12.300 13.020 13.760 15.960
Capacity_I 13630 0.135 0 0.342 0 0 0 1
Capacity_F 13630 0.067 0 0.251 0 0 0 1
Size 13630 20.320 20.740 3.261 16.820 19.740 21.740 25.030
Leverage 13630 0.448 0.449 0.214 0.047 0.276 0.616 0.904
ROA 13630 0.034 0.028 0.048 –0.140 0.009 0.057 0.186
Quick 13630 1.051 0.420 1.926 0.032 0.227 0.937 12.950
Liquid 13630 0.271 0.248 0.176 0.001 0.139 0.371 0.780
Turnover 13630 0.485 0.397 0.419 0.000 0.197 0.649 2.240
Loss 13630 0.122 0 0.327 0 0 0 1
Beta 13630 1.113 1.133 0.390 0.119 0.863 1.375 2.071
Abret 13630 0.168 0.100 0.411 –0.572 –0.122 0.394 1.521
Sdret 13630 0.056 0.050 0.024 0.020 0.039 0.066 0.145
Big4 13630 0.054 0 0.226 0 0 0 1
(二) 相关性分析

表4为主要变量的Pearson相关系数(限于篇幅,本文仅列出了解释变量、被解释变量与控制变量之间的部分相关系数)。由表4可以看出,审计费用指标(Auditfee)与两个产能过剩指标(Capacity_ICapacity_F)显著正相关,虽尚待进一步的实证检验,但初步符合本文的假说。从表4还可以看出,处于产能过剩行业的公司规模(Size)较大、负债率(Leverage)较高,但是业绩(ROALoss)较差、流动性水平(QuickLiquid)较低且股票的市场收益率(Abret)较低,这在一定程度上反映了当前我国产能过剩企业的经营状况。

表 4 主要变量的Pearson相关系数
Auditfee Capacity_I Capacity_F
Auditfee 1.000
Capacity_I 0.113*** 1.000
Capacity_F 0.054*** 0.679*** 1.000
Size 0.254*** 0.102*** 0.080***
Leverage 0.315*** 0.132*** 0.100***
ROA –0.008 –0.081*** –0.048***
Quick –0.198*** –0.109*** –0.076***
Liquid –0.003 –0.121*** –0.097***
Turnover 0.027*** 0.051*** 0.038***
Loss –0.040*** 0.061*** 0.037***
Beta –0.020** 0.047*** 0.045***
Abret –0.074*** –0.074*** –0.078***
Sdret –0.087*** –0.078*** –0.086***
Big4 0.480*** 0.037*** –0.003
  注:******分别代表在1%、5%和10%统计水平上显著。
(三) 多元回归模型检验

1. 产能过剩与审计费用

表5列示了假说1的检验结果,第1列是解释变量为Capacity_I的检验结果,第2列是解释变量为Capacity_F的检验结果。可以看出,产能过剩变量Capacity_I的系数为0.084,在1%水平上显著,且产能过剩变量Capacity_F系数为0.040,在5%水平上显著。回归结果表明,处于产能过剩行业的公司面临更高的经营、财务和政策等风险,审计师关注了该类审计客户的特有风险,导致执行审计程序的固有成本和审计风险成本增加,会计师事务所因而收取了更高的审计费用,即公司的审计收费存在风险溢价,验证了本文的假说1。其他控制变量的回归结果与已有文献基本保持一致(黄超和黄俊,2016;叶建芳等,2016;张娟和黄志忠,2014;张天舒和黄俊,2013)。

表 5 产能过剩与审计费用
(1) (2)
变量 Auditfee Auditfee
Capacity_I 0.084***
(6.12)
Capacity_F 0.040**
(2.33)
Size 0.034*** 0.034***
(15.18) (15.30)
Leverage 0.893*** 0.902***
(30.38) (30.73)
ROA 1.076*** 1.056***
(8.92) (8.74)
Quick –0.006*** –0.007***
(–2.79) (–3.03)
Liquid –0.154*** –0.172***
(–5.10) (–5.72)
Turnover –0.114*** –0.112***
(–8.16) (–8.04)
Loss –0.015 –0.014
(–0.86) (–0.78)
Beta 0.012 0.016
(0.95) (1.20)
Abret –0.038** –0.040**
(–2.44) (–2.51)
Sdret –2.712*** –2.759***
(–9.02) (–9.13)
Big4 1.161*** 1.163***
(40.91) (40.93)
Constant 12.302*** 12.300***
(212.96) (212.11)
Year 控制 控制
Industry 控制 控制
N 13630 13630
Adjusted R2 0.399 0.398
  注:括号内的数值为t值;******分别代表在1%、5%和10%统计水平上显著。

2. 产权性质、产能过剩与审计费用

表6列示了假说2的检验结果,第1列是解释变量为Capacity_I的检验结果,第2列是解释变量为Capacity_F的检验结果。可以看出,产权性质变量SOE与两个产能过剩变量交乘项Capacity*SOE的系数为正,且分别在1%和5%水平上显著。回归结果表明,产能过剩的国有企业相较于民营企业,面临了更高的经营、财务和政策等风险,审计师关注了国有企业的特别风险,因而审计费用的风险溢价更高,验证了本文的假说2。

表 6 产权性质、产能过剩与审计费用
(1) (2)
变量 Auditfee Auditfee
Capacity_I 0.015
(0.82)
Capacity_F –0.004
(–0.16)
SOE –0.001 0.014
(–0.05) (1.43)
Capacity×SOE 0.115*** 0.073**
(4.46) (2.21)
Size 0.034*** 0.034***
(15.08) (15.21)
Leverage 0.884*** 0.891***
(29.95) (30.18)
ROA 1.081*** 1.061***
(8.95) (8.78)
Quick –0.007*** –0.007***
(–2.86) (–2.98)
Liquid –0.149*** –0.165***
(–4.92) (–5.43)
Turnover –0.114*** –0.113***
(–8.17) (–8.10)
Loss –0.014 –0.013
(–0.82) (–0.74)
Beta 0.012 0.014
(0.92) (1.09)
Abret –0.038** –0.039**
(–2.42) (–2.48)
Sdret –2.681*** –2.707***
(–8.88) (–8.94)
Big4 1.161*** 1.162***
(40.93) (40.93)
Constant 12.303*** 12.297***
(213.49) (212.66)
Year 控制 控制
Industry 控制 控制
N 13630 13630
Adjusted R2 0.400 0.398
  注:括号内的数值为t值;******分别代表在1%、5%和10%统计水平上显著。

3. 市场化程度、产能过剩与审计费用

表7列示了假说3的检验结果,第1列是解释变量为Capacity_I的检验结果,第2列是解释变量为Capacity_F的检验结果。可以看出,市场化程度变量Market与两个产能过剩变量交乘项Capacity* Market的系数为正,且分别在1%和5%水平上显著。回归结果表明,在中国政府推动去产能的制度背景下,产能过剩企业所在地区的市场化水平越高,产能过剩企业面临的经营、财务和政策等风险越大,从而审计费用风险溢价越高,验证了本文的假说3。

表 7 市场化程度、产能过剩与审计费用
(1) (2)
变量 Auditfee Auditfee
Capacity_I 0.051***
(2.82)
Capacity_F 0.024
(1.11)
Market 0.124*** 0.130***
(13.61) (14.65)
Capacity×Market 0.089*** 0.077**
(3.37) (2.26)
Size 0.034*** 0.034***
(15.21) (15.28)
Leverage 0.934*** 0.942***
(32.05) (32.35)
ROA 1.081*** 1.055***
(9.03) (8.81)
Quick –0.007*** –0.008***
(–3.08) (–3.36)
Liquid –0.180*** –0.197***
(–6.00) (–6.58)
Turnover –0.123*** –0.121***
(–8.78) (–8.64)
Loss –0.008 –0.007
(–0.45) (–0.39)
Beta 0.017 0.019
(1.29) (1.51)
Abret –0.044*** –0.044***
(–2.79) (–2.81)
Sdret –2.764*** –2.819***
(–9.28) (–9.41)
Big4 1.138*** 1.145***
(40.27) (40.30)
Constant 12.238*** 12.236***
(210.19) (209.20)
Year 控制 控制
Industry 控制 控制
N 13630 13630
Adjusted R2 0.411 0.409
  注:括号内的数值为t值;******分别代表在1%、5%和10%统计水平上显著。

4. 政治关联、产能过剩与审计费用

表8列示了假说4的检验结果,第1列是解释变量为Capacity_I的检验结果,第2列是解释变量为Capacity_F的检验结果。可以看出,政治关联变量Connection与两个产能过剩变量交乘项Capacity*Connection的系数为负,且均在1%水平上显著。回归结果表明,拥有政治关联的产能过剩企业面临的经营、财务和政策等风险相对较低,因此审计师执行审计程序的成本和审计风险成本较低,从而审计收费更低,审计费用的风险溢价更低,验证了本文的假说4。

表 8 政治关联、产能过剩与审计费用
(1) (2)
变量 Auditfee Auditfee
Capacity_I 0.111***
(6.52)
Capacity_F 0.096***
(4.50)
Connection 0.085*** 0.086***
(8.86) (9.19)
Capacity×Connection –0.075*** –0.157***
(–2.69) (–4.39)
Size 0.033*** 0.034***
(15.00) (15.13)
Leverage 0.890*** 0.899***
(30.38) (30.76)
ROA 1.051*** 1.030***
(8.74) (8.57)
Quick –0.005** –0.006***
(–2.39) (–2.60)
Liquid –0.143*** –0.157***
(–4.74) (–5.21)
Turnover –0.110*** –0.109***
(–7.93) (–7.87)
Loss –0.013 –0.011
(–0.74) (–0.66)
Beta 0.015 0.019
(1.13) (1.45)
Abret –0.039** –0.040**
(–2.46) (–2.54)
Sdret –2.631*** –2.675***
(–8.76) (–8.87)
Big4 1.162*** 1.165***
(41.03) (41.09)
Constant 12.271*** 12.267***
(212.08) (211.15)
Year 控制 控制
Industry 控制 控制
N 13630 13630
Adjusted R2 0.403 0.402
  注:括号内的数值为t值;******分别代表在1%、5%和10%统计水平上显著。
六、稳健性检验

本文利用工信部公布的分行业分地区淘汰落后和过剩产能文件来度量企业的产能过剩,由于是政府部门出台的行政文件,具有外生事件的性质,为本文研究产能过剩对审计定价的影响提供了一个近乎自然实验的研究机会,可以克服以往研究的内生性问题,提高本文结论的稳健性。除此之外,本文的实证分析部分,使用了两个层面的产能过剩度量指标,假说1–4在两个度量指标下都成立,进一步表明本文的研究结论是稳健的。

由于各省份的经济结构和发展水平等不同,不同省份间各个行业的产能利用程度也存在差异,因而工信部每年公布的分行业分地区淘汰落后和过剩产能文件中包括了各省份当年各行业去产能指标的不同完成额度。为了进一步排除内生性,我们使用同年度同行业同地区的去产能额度(即当年某省份某一行业去产能指标的完成情况)Capacity_Area来度量企业的产能过剩,可以看出这一指标具有较强的外生性。Capacity_Area等于当年上市公司所在省份该行业去产能额度占全国去产能总额度的比例。表9列示了地区去产能比例与审计费用的检验结果。可以看出,产能过剩指标Capacity_Area的系数为正,且在5%统计水平上显著,这进一步验证了本文的假说,表明处于产能过剩行业的公司面临更高的经营、政策等风险,导致执行审计程序的固有成本和审计风险成本增加,会计师事务所因而收取了更高的审计费用,即公司的审计收费存在风险溢价。

表 9 地区去产能比例与审计费用
变量 Auditfee
Capacity_Area 0.208**
(2.42)
Size 0.034***
(15.34)
Leverage 0.905***
(30.91)
ROA 1.054***
(8.73)
Quick –0.007***
(–3.05)
Liquid –0.174***
(–5.81)
Turnover –0.113***
(–8.08)
Loss –0.014
(–0.79)
Beta 0.016
(1.22)
Abret –0.040**
(–2.54)
Sdret –2.756***
(–9.12)
Big4 1.163***
(40.83)
Constant 12.298***
(212.18)
Year 控制
Industry 控制
N 13630
Adjusted R2 0.398
  注:括号内的数值为t值;******分别代表在1%、5%和10%统计水平上显著。
七、研究结论

产能过剩问题越来越成为我国经济运行中的突出矛盾,化解产能过剩是新常态下供给侧改革的重要任务,因而从微观企业主体的视角出发研究产能过剩的经济后果具有重要的现实意义和理论价值。基于2009–2015年工信部公布的各省份分行业淘汰落后和过剩产能的行政规定,以中国A股上市公司为样本,本文考察了产能过剩对审计收费的影响。研究发现,由于产能过剩,企业的经营、财务和政策等风险上升,会计师事务所为了降低审计风险而提高审计收费,表明审计费用存在风险溢价。进一步的分析显示,相对于民营企业,国有企业产能过剩导致的审计费用风险溢价更高;所在地区市场化程度越高,企业产能过剩导致的审计费用风险溢价越高;与没有政治关联的公司相比,有政治关联的公司产能过剩导致的审计费用风险溢价更低。最后,本文利用工信部公布的各省份分年度分行业淘汰落后和过剩产能完成额度数据构建了新的产能过剩指标,检验发现本文的研究结论保持稳健。

本文的研究表明,在当前产能过剩矛盾突出和通过政府干预去产能的背景下,我国审计市场识别和关注了产能过剩带来的企业特有风险,审计师通过增加审计程序和风险成本来降低审计风险,从而提高了审计收费。审计师作为我国资本市场的重要信息中介,发挥着外部公司治理的作用。产能过剩导致的审计费用风险溢价本质上是通过审计市场向监管部门和投资者传递企业产能过剩的风险信息,从而使得审计对于化解产能过剩发挥出一定的市场治理作用。这对于当前我国治理产能过剩问题具有如下的政策启示:第一,本文的研究表明我国资本市场审计业务能对产能过剩和去产能发挥出外部治理作用。当前我国主要通过政府主导的行政干预来化解产能过剩,但从长期来看,深入改革诱发产能过剩的体制性因素,减少政府不当干预,建立由市场主导的长效机制,才是解决产能过剩问题的治本良策。本文的研究表明资本市场可以通过价格机制对产能过剩发挥治理作用,这启示我们应继续坚持完善我国审计中介市场的建设,加强会计师事务所、审计人员和审计职业的规范,从而更好地发挥审计鉴证服务在化解产能过剩、服务实体经济以及降低经济金融风险中的积极作用。第二,相对于民营企业,国有企业产能过剩带来的经营风险、财务风险等更高,政府在去产能过程中应实施区别对待,需特别关注国有企业产能过剩带来的职工安置和社会稳定等风险。第三,地区的企业经营环境会影响企业产能过剩带来的经营等风险,地方政府应因地制宜综合运用多种手段帮助企业化解产能过剩,即使在市场化程度较高的东部经济发达地区,政府也应多通过援助之手帮助企业化解短期过剩产能。第四,政治关联虽然会降低企业产能过剩带来的经营风险,但需要警惕政治关联对产业资源的错配,尤其是对于部分产能严重过剩的僵尸企业,地方政府应关注政治关联对该类企业的庇护,通过政府干预坚决淘汰落后产能和僵尸企业。

主要参考文献
[1] 蔡吉甫. 公司治理、审计风险与审计费用关系研究[J].审计研究,2007(3).
[2] 樊纲, 王小鲁, 朱恒鹏.中国市场化指数: 各地区市场化相对进程(2011年报告)[M].济南: 经济科学出版社, 2011.
[3] 高雷, 张杰. 产权性质、不良贷款率与审计费用——来自上市商业银行的经验证据[J].审计研究,2010(2).
[4] 耿强, 江飞涛, 傅坦. 政策性补贴、产能过剩与中国的经济波动——引入产能利用率RBC模型的实证检验[J].中国工业经济,2011(5).
[5] 韩国高, 高铁梅, 王立国, 等. 中国制造业产能过剩的测度、波动及成因研究[J].经济研究,2011(12).
[6] 黄超, 黄俊. 卖空机制、诉讼风险与审计收费[J].财经研究,2016(5).
[7] 黄俊, 李增泉. 政府干预、企业雇员与过度投资[J].金融研究,2014(8).
[8] 江飞涛, 耿强, 吕大国, 等. 地区竞争、体制扭曲与产能过剩的形成机理[J].中国工业经济,2012(6).
[9] 国务院发展研究中心《进一步化解产能过剩的政策研究》课题组. 当前我国产能过剩的特征、风险及对策研究——基于实地调研及微观数据的分析[J].管理世界,2015(4).
[10] 李爽, 吴溪. 监管信号、风险评价与审计定价: 来自审计师变更的证据[J].审计研究,2004(1).
[11] 李越冬, 张冬, 刘伟伟. 内部控制重大缺陷、产权性质与审计定价[J].审计研究,2014(2).
[12] 林毅夫, 巫和懋, 邢亦青. "潮涌现象”与产能过剩的形成机制[J].经济研究,2010(10).
[13] 刘继红, 周仁俊. 中国上市商业银行监管风险与审计定价[J].审计研究,2007(5).
[14] 刘启亮, 李蕙, 赵超, 等. 媒体负面报道、诉讼风险与审计费用[J].会计研究,2014(6).
[15] 刘笑霞. 审计师惩戒与审计定价——基于中国证监会2008–2010年行政处罚案的研究[J].审计研究,2013(2).
[16] 潘红波, 夏新平, 余明桂. 政府干预、政治关联与地方国有企业并购[J].经济研究,2008(4).
[17] 潘克勤. 公司治理、审计风险与审计定价——基于CCGINK的经验证据[J].南开管理评论,2008(1).
[18] 邱学文, 吴群. 现代风险导向下重大错报风险与审计定价[J].中国工业经济,2010(11).
[19] 宋衍蘅. 审计风险、审计定价与相对谈判能力——以受监管部门处罚或调查的公司为例[J].会计研究,2011(2).
[20] 王立国, 鞠蕾. 地方政府干预、企业过度投资与产能过剩: 26个行业样本[J].改革,2012(12).
[21] 王文甫, 明娟, 岳超云. 企业规模、地方政府干预与产能过剩[J].管理世界,2014(10).
[22] 杨其静, 吴海军. 产能过剩、中央管制与地方政府反应[J].世界经济,2016(11).
[23] 叶建芳, 何开刚, 杨庆, 等. 不可核实的商誉减值测试估计与审计费用[J].审计研究,2016(1).
[24] 余东华, 吕逸楠. 政府不当干预与战略性新兴产业产能过剩——以中国光伏产业为例[J].中国工业经济,2015(10).
[25] 张娟, 黄志忠. 高管报酬、机会主义盈余管理和审计费用——基于盈余管理异质性的视角[J].南开管理评论,2014(3).
[26] 张天舒, 黄俊. 金融危机下审计收费风险溢价的研究[J].会计研究,2013(5).
[27] 钟春平, 潘黎. " 产能过剩”的误区——产能利用率及产能过剩的进展、争议及现实判断[J].经济学动态,2014(3).
[28] 周黎安. 晋升博弈中政府官员的激励与合作——兼论我国地方保护主义和重复建设问题长期存在的原因[J].经济研究,2004(6).
[29] Abbott L, Parker S, Paters G F. The association between audit committee characteristics and audit fees[J].Auditing: A Journal of Practice and Theory,2003,22(2):17–32.
[30] DeFond M L, Francis J R, Wong T J. Auditor industry specialization and market segmentation: Evidence from Hong Kong[J].Auditing: A Journal of Practice and Theory,2000,19(1):49–66.
[31] Firth M. An analysis of audit fees and their determinants in New Zealand[J]. Auditing: A Journal of Practice and Theory,1985,4(2):23–37.
[32] Firth M, Lau T. Audit pricing following mergers of accounting practices: Evidence from Hong Kong[J].Accounting and Business Research,2004,34(3):201–213.
[33] Francis J R. The effect of audit firm size on audit prices[J].Journal of Accounting and Economics,1984,6(2):133–151.
[34] Pindyck R S. Irreversible investment, capacity choice and the value of the firm[J]. American Economic Review,1988,78(5):969–985.
[35] Simunic D A. The pricing of audit services: Theory and evidence[J].Journal of Accounting Research,1980,18(1):161–190.
[36] Spence A M. Entry, capacity, investment and oligopolistic pricing[J].The Bell Journal of Economics,1977,8(2):534–544.
[37] Wang Q, Wong T J, Xia L J. State ownership, the institutional environment and auditor choice: Evidence from China[J].Journal of Accounting and Economics,2008,46(1):112–134.
Overcapacity and Auditing Governance: An Empirical Study Based on Risk Premium of Audit Fees
Sun Anqi     
School of Accountancy,Shanghai University of Finance and Economics,Shanghai 200433,China
Summary: Since 1990s, due to the unique fiscal decentralization system, official promotion system, local government intervention and other institutional factors, China’s problem of overcapacity has become more and more serious. In 2008 after the global financial crisis, because of government relax control over industry capacity and the subsequent four trillion RMB economic stimulus plan, the serious overcapacity occurred in some industries. Coupled with the slowdown of economic demand, overcapacity problem becomes a more and more prominent contradiction in China’s economy. Resolving overcapacity is an important task of the supply-side reform under the new normal economy, and also a difficult problem to be solved to realize the sustained and healthy development of China’s economy. In order to resolve overcapacity, the central government has begun to introduce a series of administrative measures to regulate and guide local governments to cut capacity. Since 2009, the Ministry of Industry and Information Technology has issued the index of elimination of backward and excess capacity in every province, and has announced the completion of annual capacity indicators of different provinces. In this context, based on the administrative provisions from the Ministry of Industry and Information Technology about eliminating backward and excess capacity by every provinces and using the sample of Chinese A-share listed companies from 2009 to 2015, this paper examines the impact of overcapacity on audit fees. It finds that, due to overcapacity, business, financial and policy risks are rising, and accounting firms improve the audit fees in order to reduce the audit risk, indicating that there is a risk premium of audit fees. Further analysis shows that the risk premium of audit fees of state-owned enterprises having overcapacity is higher than that of private enterprises. The higher degree of marketization enterprises have, the higher risk premium of audit fees caused by overcapacity enterprises get. And there is a lower risk premium of audit fees caused by overcapacity of companies with political connections compared with companies without political connections. Finally, by using a new overcapacity indicator to examine based on the amount of eliminated capacity by provinces constrained by the Ministry of Industry and Information Technology, conclusions remain robust. In conclusion, in the context of China’s current overcapacity and cutting capacity through government intervention, this paper shows that China’s audit market is aware of and focuses on the specific risks of enterprises caused by overcapacity, and auditors increase audit fees by increasing audit procedures and risk costs to reduce audit risks. Risk premium of audit fees caused by overcapacity is essentially passing the risk information of excess capacity of enterprises to the regulators and investors through audit market, thus making auditing play a role of external governance in resolving the problem of overcapacity. This paper reveals the economic consequences of overcapacity at the microcosmic level, and finds out empirical evidence of the governance role of audit market in solving overcapacity problem, which is of great policy significance to capacity cutting, supply-side reform and economic transformation in the new normal economy.
Key words: overcapacity     auditing governance     audit fee     risk premium