淺談簡(jiǎn)單統(tǒng)計(jì)分析模型在財(cái)務(wù)報(bào)表審計(jì)中的應(yīng)用

1、淺談簡(jiǎn)單統(tǒng)計(jì)分析模型在財(cái)務(wù)報(bào)表審計(jì)中的應(yīng)用 以蓮花味精為例 山科大經(jīng)濟(jì)管理學(xué)院 劉飛摘要：近年來(lái)，我國(guó)風(fēng)險(xiǎn)導(dǎo)向?qū)徲?jì)的審計(jì)過(guò)程主要以分析程序?yàn)橹鳎瑖?guó)際上四大會(huì)計(jì)事務(wù)所也已采用植入數(shù)值分析和統(tǒng)計(jì)分析等分析程序的審計(jì)信息系統(tǒng)進(jìn)行審計(jì)實(shí)務(wù)。本文以近年來(lái)連續(xù)曝出信息披露違法，虛增利潤(rùn)丑聞的上市公司蓮花味精股份有限責(zé)任公司為研究樣例，在一定前提假設(shè)下運(yùn)用簡(jiǎn)單統(tǒng)計(jì)分析模型對(duì)其2007年第一季度財(cái)務(wù)報(bào)表的實(shí)驗(yàn)項(xiàng)目數(shù)據(jù)進(jìn)行預(yù)測(cè)，通過(guò)各種模型的相互論證得出實(shí)驗(yàn)項(xiàng)目實(shí)際值的合理性度，以及各種情況下的誤差水平。關(guān)鍵字：分析程序；審計(jì)風(fēng)險(xiǎn)；時(shí)間序列；回歸分析1、 前言審計(jì)從賬項(xiàng)基礎(chǔ)審計(jì)至制度基礎(chǔ)審計(jì)，再發(fā)展到現(xiàn)今的現(xiàn)代

2、風(fēng)險(xiǎn)導(dǎo)向?qū)徲?jì)，與審計(jì)有關(guān)的方法和技術(shù)也漸漸發(fā)生變化。首先現(xiàn)代風(fēng)險(xiǎn)導(dǎo)向?qū)徲?jì)的審計(jì)重心發(fā)生轉(zhuǎn)移，由審計(jì)測(cè)試轉(zhuǎn)向風(fēng)險(xiǎn)評(píng)估，風(fēng)險(xiǎn)評(píng)估也由傳統(tǒng)的直接評(píng)估衍變?yōu)殚g接評(píng)估，并以分析性復(fù)核為中心，風(fēng)險(xiǎn)評(píng)估從零散走向結(jié)構(gòu)化，審計(jì)測(cè)試程序個(gè)性化，自上而下與自下而上相結(jié)合，審計(jì)證據(jù)重點(diǎn)向外部證據(jù)轉(zhuǎn)移 同時(shí)，注冊(cè)會(huì)計(jì)師專業(yè)知識(shí)重心轉(zhuǎn)移，即以會(huì)計(jì)、審計(jì)知識(shí)為中心轉(zhuǎn)向管理知識(shí)、行業(yè)知識(shí)為中心。 分析性程序主要包括趨勢(shì)分析，比率分析，合理性測(cè)試和回歸性分析等方法，是指注冊(cè)會(huì)計(jì)師通過(guò)研究不同財(cái)務(wù)數(shù)據(jù)之間以及財(cái)務(wù)數(shù)據(jù)之間的內(nèi)在關(guān)系，對(duì)財(cái)務(wù)信息做出評(píng)價(jià)，還包括調(diào)查識(shí)別出的與其他相關(guān)信息不一致或與預(yù)期數(shù)據(jù)嚴(yán)重偏離的波動(dòng)和關(guān)系。審計(jì)

3、信息系統(tǒng)已經(jīng)給未來(lái)審計(jì)實(shí)務(wù)的發(fā)展指引出新方向，誕生出新的數(shù)字分析技術(shù)，手工審計(jì)條件下常用的審計(jì)技術(shù)方法是審閱，監(jiān)盤，函證，觀察，詢問(wèn)，抽樣，重新計(jì)算等。計(jì)算機(jī)環(huán)境下，審計(jì)方法包括數(shù)據(jù)查詢，統(tǒng)計(jì)分析，數(shù)值分析等，多種方法的充分結(jié)合解決更為復(fù)雜的數(shù)據(jù)分析問(wèn)題。1 本文將統(tǒng)計(jì)分析模型應(yīng)用于2007年第一季度蓮花味精主營(yíng)業(yè)務(wù)收入的賬戶發(fā)生額認(rèn)定審計(jì)。2、 理論依據(jù)分析程序具體運(yùn)用于審計(jì)的以下三個(gè)階段：風(fēng)險(xiǎn)評(píng)估，實(shí)質(zhì)性測(cè)試和總體復(fù)核。各階段使用分析性程序的目的不同，風(fēng)險(xiǎn)評(píng)估階段使用分析性程序的主要目的是識(shí)別那些可能表明財(cái)務(wù)報(bào)表存在重大錯(cuò)報(bào)風(fēng)險(xiǎn)的異常變化；被用于總體復(fù)核階段是為了證實(shí)已審財(cái)務(wù)報(bào)表項(xiàng)目在報(bào)告

4、期所發(fā)生的重大變化與注冊(cè)會(huì)計(jì)師對(duì)被審計(jì)單位及其環(huán)境的了解和所獲取的審計(jì)證據(jù)一致，但二者過(guò)程中所使用的分析程序基本相同，且往往集中在財(cái)務(wù)報(bào)表層次。用作注冊(cè)會(huì)計(jì)師針對(duì)評(píng)估的認(rèn)定層次重大錯(cuò)報(bào)風(fēng)險(xiǎn)所設(shè)計(jì)和實(shí)施的分析程序是實(shí)質(zhì)性分析程序，它與細(xì)節(jié)測(cè)試都可用于實(shí)質(zhì)性測(cè)試階段收集審計(jì)證據(jù)，前者相比后者而言，所能夠達(dá)到的精確度受到限制的可能性更大，所提供的多是間接證據(jù)，證明力相對(duì)較弱，這即使分析程序的作用受到理論界和監(jiān)管界的懷疑。例如，前SEC阿瑟·利維特就強(qiáng)烈批評(píng)會(huì)計(jì)事務(wù)所過(guò)多采用了分析程序。黃世忠等通過(guò)對(duì)世界通信公司案例的分析，認(rèn)為安達(dá)信全面借助電腦軟件執(zhí)行分析程序不符合審計(jì)基本常識(shí)，顯失職業(yè)謹(jǐn)

5、慎。2 因此在運(yùn)用實(shí)質(zhì)性分析程序時(shí)首先確定對(duì)其特定認(rèn)定的適用性，并考慮數(shù)據(jù)的可靠性，做出預(yù)期的準(zhǔn)確程度及已記錄金額與預(yù)期值之間可接受的差異額。很多社會(huì)經(jīng)濟(jì)現(xiàn)象隨著時(shí)間的推移不斷發(fā)展變化的，為了探索現(xiàn)象隨時(shí)間而發(fā)展的變化的規(guī)律性，不僅應(yīng)從靜態(tài)上分析現(xiàn)象的特征，內(nèi)部結(jié)構(gòu)以及相互關(guān)聯(lián)的數(shù)量關(guān)系，而且應(yīng)著眼于現(xiàn)象隨時(shí)間演變的過(guò)程，從動(dòng)態(tài)上去研究其發(fā)展變動(dòng)的過(guò)程和規(guī)律，預(yù)測(cè)事物未來(lái)發(fā)展變化的趨勢(shì)，這即是統(tǒng)計(jì)學(xué)中的時(shí)間序列分析。3 據(jù)序列的變化過(guò)程是否能以時(shí)間t的確定函數(shù)來(lái)描述，可將時(shí)間序列劃分為確定型的時(shí)間序列和隨機(jī)型的時(shí)間序列，對(duì)時(shí)間序列進(jìn)行分析的實(shí)質(zhì)是趨勢(shì)分析，目的是描述事物在過(guò)去時(shí)間的狀態(tài)，分析其

6、隨時(shí)間推移的發(fā)展趨勢(shì)，揭示發(fā)展變化的規(guī)律性及預(yù)測(cè)事物在未來(lái)時(shí)間的數(shù)量。統(tǒng)計(jì)分析中尋求分析各種數(shù)據(jù)相互之間關(guān)系的統(tǒng)計(jì)方法，是回歸分析與相關(guān)分析。其中回歸性分析方法是在掌握大量觀察數(shù)據(jù)的基礎(chǔ)上，利用統(tǒng)計(jì)方法尋求變量之間的具體數(shù)學(xué)形式，根據(jù)自變量的值去估計(jì)和預(yù)測(cè)因變量的平均值。時(shí)間序列線性趨勢(shì)的測(cè)定方法常用的是移動(dòng)平均法，指數(shù)平滑法以及趨勢(shì)模型法。1. 移動(dòng)平均是以消除或削弱原序列由于短期偶然因素引起的不規(guī)則變動(dòng)和其他成分為目的而選擇一定的用于平均的時(shí)距項(xiàng)數(shù)K采用對(duì)序列逐項(xiàng)遞移的方式，對(duì)原序列遞移的K項(xiàng)計(jì)算一系列的序時(shí)平均數(shù)，對(duì)其進(jìn)行的修勻作用，移動(dòng)平均值也即是現(xiàn)象發(fā)展趨勢(shì)的預(yù)測(cè)值。2. 指數(shù)平滑法

7、為消除不規(guī)則變動(dòng)，根據(jù)第t期的趨勢(shì)預(yù)測(cè)值與第t期的實(shí)際值所存在的誤差，包括不規(guī)則隨機(jī)誤差與第t-1期至t期的實(shí)質(zhì)性變化，屬于實(shí)質(zhì)性變化部分的比例由平滑系數(shù)a決定。指數(shù)平滑法有一次指數(shù)平滑，二次指數(shù)平滑，三次指數(shù)平滑，其中一次指數(shù)平滑公式如下： 指數(shù)平滑值Et實(shí)質(zhì)是各期觀測(cè)值yt,的加權(quán)平均值,各期權(quán)數(shù)呈指數(shù)遞減形式，因而稱為指數(shù)平滑。3. 測(cè)定長(zhǎng)期趨勢(shì)的模型分為線性趨勢(shì)和非線性趨勢(shì)。3.1 線性長(zhǎng)期趨勢(shì)是利用線性回歸的方法對(duì)原時(shí)間對(duì)原時(shí)間序列擬合線性方程，消除其他成分變動(dòng)，線性趨勢(shì)方程的一般形式：n為時(shí)間序列的項(xiàng)數(shù)，和分別為線性趨勢(shì)方程參數(shù)a和b的最小二乘估計(jì)值，y為實(shí)際觀測(cè)值，表示當(dāng)時(shí)間t變

8、動(dòng)一個(gè)單位時(shí)，趨勢(shì)值的平均變動(dòng)數(shù)量。3.2 指數(shù)曲線型，指每期大體上按相同的增長(zhǎng)速度遞增或遞減，所擬合曲線的表達(dá)式： 利用時(shí)間序列數(shù)據(jù)，運(yùn)用最小二乘法估計(jì)出lga和lgb的估計(jì)值，再取反對(duì)數(shù)即得到參數(shù)a與b的估計(jì)值4. 多元線性回歸分析模型：研究?jī)蓚€(gè)因變量與兩個(gè)或兩個(gè)以上自變量的線性關(guān)系，其總體回歸函數(shù)表達(dá)式的一般形式如下：式子中為第i次觀測(cè)樣本，為模型參數(shù)，為隨機(jī)干擾項(xiàng)。樣本回歸函數(shù)表達(dá)式如下：是對(duì)總體回歸參數(shù)的估計(jì)值。總體函數(shù)矩陣表示： 即樣本函數(shù)矩陣表示：,其中3、 研究樣例設(shè)計(jì)及分析本文選取上市公司蓮花味精股份有限公司作為樣例，對(duì)其2004-2006年合并報(bào)表下的營(yíng)業(yè)收入，營(yíng)業(yè)成本，營(yíng)

9、業(yè)稅金及附加，銷售費(fèi)用，管理費(fèi)用的12個(gè)季度數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，主要是時(shí)間序列分析與線性回歸分析的結(jié)合。注冊(cè)會(huì)計(jì)師對(duì)該公司2004-2006每年的中期報(bào)告和年度報(bào)告對(duì)均出具了無(wú)保留意見，但至2007年度-2009年度該公司出現(xiàn)虛增利潤(rùn)，將沒(méi)有到位的政府補(bǔ)助1.944億元和3億元入賬，使其連續(xù)兩年利潤(rùn)扭虧為盈。2013年第一大客戶和第三大客戶的名稱披露錯(cuò)誤，且2006-2009年連續(xù)四年信披違法被罰后再違規(guī)，這表明該公司2007年度虛增利潤(rùn)的可能性比較大，動(dòng)機(jī)較強(qiáng)。實(shí)驗(yàn)假設(shè)：首先假設(shè)這3年里數(shù)據(jù)真實(shí)性較強(qiáng)，蓮花味精公司未對(duì)財(cái)務(wù)數(shù)據(jù)弄虛作假；其次數(shù)據(jù)的可靠性較強(qiáng)，報(bào)表數(shù)據(jù)均來(lái)源于被審計(jì)單位對(duì)外公開的

10、發(fā)布在新浪財(cái)經(jīng)網(wǎng)站上的財(cái)務(wù)報(bào)告。；運(yùn)用的分析程序適合對(duì)銷售收入的發(fā)生認(rèn)定進(jìn)行分析；已記錄金額與預(yù)期值的可接受差異額為當(dāng)期期末總資產(chǎn)余額的5%。通過(guò)多種模型得出的結(jié)果相互驗(yàn)證2007年一季度和第二季度的實(shí)際值與預(yù)期值，預(yù)期值與預(yù)期值的吻合性。(一) 分析過(guò)程：選取樣例后得到下列數(shù)據(jù)表：營(yíng)業(yè)收入營(yíng)業(yè)成本營(yíng)業(yè)稅金及附加銷售費(fèi)用管理費(fèi)用X1X2X3X4X52004年1季度236,567,626.00 230,545,741.00 1,603,690.00 12,460,940.00 11,613,712.00 2004年2季度217,203,903.00 196,206,021.00 609,341.

11、00 27,391,519.00 25,057,503.00 2004年3季度258,754,666.00 214,670,935.00 1,500,955.00 11,348,082.00 12,518,922.00 2004年4季度239,639,028.00 149,534,882.00 930,332.00 15,700,514.00 17,547,474.00 2005年1季度215,814,075.61 194,731,331.23 413,334.56 11,914,361.11 11,237,122.57 2005年2季度287,370,821.29 238,852,559.2

12、1 1,226,580.32 15,722,437.16 16,538,059.20 2005年3季度388,137,618.00 344,576,028.00 866,422.00 14,323,547.00 14,380,471.00 2005年4季度446,226,283.43 386,034,468.49 2,206,771.39 22,180,423.27 20,773,892.04 2006年1季度390,775,465.00 339,554,669.00 256,269.00 20,140,474.61 17,917,945.23 2006年2季度396,227,221.56 3

13、59,320,560.00 2,510,466.00 9,888,275.00 6,448,006.00 2006年3季度490,968,391.94 423,303,607.00 310,929.00 27,518,289.00 21,438,378.00 2006年4季度596,658,453.05 538,520,686.71 2,744,168.64 23,432,701.93 6,561,261.29 2007年1季度實(shí)際值544,685,842.00 481,973,194.00 595,872.00 18,523,475.00 26,006,005.00 注：數(shù)據(jù)來(lái)源于新浪財(cái)經(jīng)網(wǎng)

14、公布的財(cái)務(wù)報(bào)告，以及中國(guó)財(cái)經(jīng)網(wǎng)站公布的定期報(bào)表 a) 移動(dòng)平均模型：選取移動(dòng)平均時(shí)距項(xiàng)數(shù)K=4，消除季節(jié)變動(dòng)，結(jié)果如表1-1所示表1-1Moving Averagenumber of periods:K=4t營(yíng)業(yè)收入4MA 1236,567,626.0000 2217,203,903.0000 3258,754,666.0000 4239,639,028.0000 238,041,305.75000 5215,814,075.6100 232,852,918.15250 6287,370,821.2900 250,394,647.72500 7388,137,618.0000 282,740,

15、385.72500 8446,226,283.4300 334,387,199.58250 9390,775,465.0000 378,127,546.93000 10396,227,221.5600 405,341,646.99750 11490,968,391.9400 431,049,340.48250 12596,658,453.0500 468,657,382.88750 2007年第一季度的預(yù)期值為468,657,382.88750，而當(dāng)期實(shí)際的銷售收入為544,685,842.00元 b) 指數(shù)平滑模型：選取平滑系數(shù)為0.7，結(jié)果如表1-2-1表1-2-1SimpleExpone

16、ntial SmoothingAlpha0.70t營(yíng)業(yè)收入SmoothedForecast% error242,558,353.31667 *1236,567,626.0000 238,364,844.19500 242,558,353.3167 -2.52217,203,903.0000 223,552,185.35850 238,364,844.1950 -9.73258,754,666.0000 248,193,921.80755 223,552,185.3585 13.64239,639,028.0000 242,205,496.14227 248,193,921.8076 -3.65

17、215,814,075.6100 223,731,501.76968 242,205,496.1423 -12.26287,370,821.2900 268,279,025.43390 223,731,501.7697 22.17388,137,618.0000 352,180,040.23017 268,279,025.4339 30.98446,226,283.4300 418,012,410.47005 352,180,040.2302 21.19390,775,465.0000 398,946,548.64102 418,012,410.4701 -7.010396,227,221.5

18、600 397,043,019.68431 398,946,548.6410 -0.711490,968,391.9400 462,790,780.26329 397,043,019.6843 19.112596,658,453.0500 556,498,151.21399 462,790,780.2633 22.4556,498,151.2140 Mean Squared Error4,770,424,878,755,920.00000 Mean Absolute Percent Error13.8%Percent Positive Errors50.0%* initial value -

19、mean of first six data values選取平滑系數(shù)a=0.8,結(jié)果如表1-2-2表1-2-2Simple Exponential SmoothingAlpha0.80tX1SmoothedForecast242,558,353.317 *1236,567,626.00 237,765,771.463 242,558,353.32 2217,203,903.00 221,316,276.693 237,765,771.46 3258,754,666.00 251,266,988.139 221,316,276.69 4239,639,028.00 241,964,620.02

20、8 251,266,988.14 5215,814,075.61 221,044,184.494 241,964,620.03 6287,370,821.29 274,105,493.931 221,044,184.49 7388,137,618.00 365,331,193.186 274,105,493.93 8446,226,283.43 430,047,265.381 365,331,193.19 9390,775,465.00 398,629,825.076 430,047,265.38 10386,289,112.00 388,757,254.615 398,629,825.08

21、11488,998,840.00 468,950,522.923 388,757,254.62 12589,655,392.99 565,514,418.977 468,950,522.92 565,514,418.98 Mean Squared Error4,411,545,414,130,790.000 Mean Absolute Percent Error14.0%Percent Positive Errors50.0%* initial value - mean of first six data values選取平滑系數(shù)a=0.6,結(jié)果如表1-2-3表1-2-3Simple Expo

22、nential SmoothingAlpha0.60t營(yíng)業(yè)收入SmoothedForecast% error242,558,353.31667 *1236,567,626.0000 238,963,916.92667 242,558,353.3167 -2.52217,203,903.0000 225,907,908.57067 238,963,916.9267 -10.03258,754,666.0000 245,615,963.02827 225,907,908.5707 12.74239,639,028.0000 242,029,802.01131 245,615,963.0283 -2

23、.55215,814,075.6100 226,300,366.17052 242,029,802.0113 -12.16287,370,821.2900 262,942,639.24221 226,300,366.1705 21.37388,137,618.0000 338,059,626.49688 262,942,639.2422 32.38446,226,283.4300 402,959,620.65675 338,059,626.4969 24.29390,775,465.0000 395,649,127.26270 402,959,620.6568 -3.110396,227,22

24、1.5600 395,995,983.84108 395,649,127.2627 0.111490,968,391.9400 452,979,428.70043 395,995,983.8411 19.312596,658,453.0500 539,186,843.31017 452,979,428.7004 24.1539,186,843.3102 5,268,908,466,963,940.00000 Mean Squared Error13.7%Mean Absolute Percent Error58.3%Percent Positive Errors* initial value

25、- mean of first six data valuesc) 線性長(zhǎng)期趨勢(shì)模型，結(jié)果如表1-3，圖1-1所示表1-3Regression Analysis0.824 Adjusted r2 0.807 r 0.908 Std. Error 53531422.699 12 observations 1 predictor variable X1 is the dependent variable ANOVA tableSourceSS df MSFp-valueRegression 134,479,873,446,155,000.0000 1 134,479,873,446,155,000

26、.0000 46.934.46E-05Residual 28,656,132,162,302,100.0000 10 2,865,613,216,230,210.0000 Total 163,136,005,608,457,000.0000 11 Regression outputvariables coefficientsstd. error t (df=10)intercept146,122,131.4647 32,946,313.1716 4.435 t 30,666,246.8429 4,476,522.4517 6.850 confidence intervalp-value95%

27、lower95% upperintercept146,122,131.4647 .001372,713,171.3723 219,531,091.5571 t 30,666,246.8429 4.46E-0520,691,933.2893 40,640,560.3964 圖1-1 營(yíng)業(yè)收入線性回歸趨勢(shì)d) 指數(shù)長(zhǎng)期趨勢(shì)模型，結(jié)果如表1-4，圖1-2所示表1-4Regression Analysisr? 0.847 Adjusted r? 0.832 r 0.920 Std. Error 0.143 12 observations 1 predictor variable ln(營(yíng)業(yè)收入) is

28、 the dependent variable ANOVA tableSourceSS df Regression 1.1300 1 Residual 0.2043 10 Total 1.3343 11 MSFp-value1.1300 55.312.22E-050.0204 t 0.0889 0.0120 confidence interval t (df=10)p-value95% lower95% upper 216.332 1.10E-1918.8348 19.2268 7.437 2.22E-050.0623 0.1155 coefficients in terms of the m

29、odel: abx1.012 = a, beginning value1.093 = b, growth factor9.30%average rate of changePredicted values for: ln(營(yíng)業(yè)收入)95% Confidence Intervalt Predicted lower upper 13 20.18643 19.99042 20.38244 14 20.27532 20.05544 20.49521 95% Prediction Interval lower upper Leverage19.81247 20.56039 0.37919.88831 2

30、0.66234 0.477Predicted values for: 營(yíng)業(yè)收入95% Confidence Intervalt Predicted lower upper 13 584595175.55480539412.11711183121.8514 638941913.78512820990.66796080458.1495% Prediction Intervalt Predicted lower upper Leverage13 584595175.55402202495.90849700145.470.37914 638941913.78433894091.51940890362.

31、820.477 圖1-2 營(yíng)業(yè)收入指數(shù)趨勢(shì) e) 二元線性回歸模型，選取變量X1營(yíng)業(yè)收入和X2營(yíng)業(yè)成本進(jìn)行分析，結(jié)果如圖1-3所示 圖1-3 營(yíng)業(yè)收入與營(yíng)業(yè)成本線性關(guān)系f) 多元線性回歸分析模型，選取的是變量X1營(yíng)業(yè)收入，X2營(yíng)業(yè)成本，X3營(yíng)業(yè)稅金及附加，X4銷售費(fèi)用，X5管理費(fèi)用，結(jié)果如表1-5和表1-6所示表1-5Correlation MatrixX1X2X3X4X5X1 1.000 X2 .984 1.000 X3 .430 .456 1.000 X4 .452 .425 -.194 1.000 X5 -.192 -.247 -.593 .655 1.000 12sample size

32、? .576 critical value .05 (two-tail)? .708 critical value .01 (two-tail)表1-6Regression outputvariables coefficientsstd. error intercept-89,046.4562 43,348,595.6080 X21.0881 0.1214 X31.9587 12.3852 X4-0.7603 2.7861 X51.9915 2.9693 confidence interval t (df=7)p-value95% lower95% upper -0.002 .9984-102

33、,592,186.8754 102,414,093.9631 8.965 4.38E-050.8011 1.3751 0.158 .8788-27.3276 31.2449 -0.273 .7928-7.3484 5.8279 0.671 .5239-5.0298 9.0129 Predicted values for: X1X2X3X4X5481,973,194.00 595,872.00 18,523,475.00 26,006,005.00 95% Confidence Interval Predicted lower upper 563,214,148.65285 451,263,21

34、3.30443 675,165,084.00126 95% Prediction Intervals Predicted lower upper 563,214,148.65285 435,348,552.39923691,079,744.90647 （二） 分析結(jié)論模型預(yù)測(cè)值差額a468,657,382.89-76,028,459.1125 b1，a=0.7556,498,151.2111,812,309.2140 b2, a=0.8565,514,418.9820,828,576.9800 b3, a=0.6539,186,843.31-5,498,998.6898 c550,093,92

35、4.685,408,082.6817 d584,595,175.5539,909,333.5500 e807,276,787.39262,590,945.3850 f563,214,148.6518,528,306.6529 2007第一季度實(shí)際值544,685,842.00 資產(chǎn)余額的5%193,380,746.72 營(yíng)業(yè)收入的5%27,234,292.10 在b1,b2,b3模型中，各自的絕對(duì)誤差水平和相對(duì)誤差水平分別為（13.8%，50%），（14%，50%）,(13.7%,58.3%),有理由相信a=0.7的指數(shù)平滑模型更能擬合3年的趨勢(shì)；以營(yíng)業(yè)收入與營(yíng)業(yè)成本所表示的二元線性回歸方程比

36、時(shí)間序列分析下的長(zhǎng)期線性趨勢(shì)模型模擬得更好，前者可決系數(shù)為0.9683，而后者是0.8365；指數(shù)趨勢(shì)模型預(yù)測(cè)2007年一季度營(yíng)業(yè)收入95%的置信區(qū)間為（480,539,412.11 ，711,183,121.85），而以營(yíng)業(yè)成本，營(yíng)業(yè)稅金及附加，銷售費(fèi)用，管理費(fèi)用及營(yíng)業(yè)收入作為變量的多元回歸線性模型預(yù)測(cè)結(jié)果95%的置信區(qū)間為（451,263,213.30 ，675,165,084.00）在上述回歸分析模型f得到的相關(guān)性矩陣，發(fā)現(xiàn)營(yíng)業(yè)收入與營(yíng)業(yè)成本，營(yíng)業(yè)稅金及附加變化呈穩(wěn)定正相關(guān)，而管理費(fèi)用與營(yíng)業(yè)收入等項(xiàng)目呈負(fù)相關(guān)，這不得不讓人懷疑蓮花味精2004-2006年度管理費(fèi)用的真實(shí)性，而且多元線性回歸模型中銷售費(fèi)用對(duì)營(yíng)業(yè)收入的影響系數(shù)為負(fù)值，這也與現(xiàn)實(shí)規(guī)律所矛盾，因?yàn)槠髽I(yè)當(dāng)期發(fā)生的管理費(fèi)用和銷售費(fèi)，與其營(yíng)業(yè)收入一般呈正相關(guān)。模型e的預(yù)測(cè)值為807,276,787.39，不在95%的置信區(qū)間內(nèi)， 在所有的統(tǒng)計(jì)模型在實(shí)驗(yàn)假設(shè)的前提下，除移動(dòng)平均模型，指數(shù)趨勢(shì)模型以及二元回歸模型下的預(yù)期差異不在所設(shè)置的重要性水平范圍內(nèi)，其余模型均表明2007年一季度