[摘　要]本文分析國內(nèi)外對持續(xù)經(jīng)營審計判斷模型的研究成果，從研究目的、變量設(shè)計、樣本選取、建模方法、應(yīng)用效果等方面比較研究各種模型，指出現(xiàn)有模型的不足和有待進一步研究的方向，以期對改進我國持續(xù)經(jīng)營審計手段與方法提供借鑒。

　　[關(guān)鍵詞]持續(xù)經(jīng)營；審計判斷；預測模型

　　企業(yè)的持續(xù)經(jīng)營能力狀況直接影響到投資者的決策行為。因此，對上市公司持續(xù)經(jīng)營能力進行判斷和評價是注冊會計師進行財務(wù)報告審計時所必須考慮的重要內(nèi)容，也是政府監(jiān)管部門關(guān)注的一個焦點問題。近年來，為了減少審計期望差距，審計界制定并完善了持續(xù)經(jīng)營審計準則及相關(guān)指南，特別是加強了對持續(xù)經(jīng)營審計判斷模型的研究，期望提高持續(xù)經(jīng)營審計判斷的客觀性和一致性。我們搜集了ABI/INFORMGlobal、BusinessSourcePremier（BSP）、和ElsevierScience等國際著名數(shù)據(jù)庫以及中國期刊網(wǎng)中關(guān)于持續(xù)經(jīng)營審計判斷模型研究的70余篇文獻，對審計判斷模型的構(gòu)建方法、應(yīng)用效果及局限性進行了總結(jié)和整理，以期對改進我國持續(xù)經(jīng)營審計手段及方法提供借鑒。

　　持續(xù)經(jīng)營審計判斷模型根據(jù)研究對象的不同可分成兩大類：持續(xù)經(jīng)營危機預測模型和持續(xù)經(jīng)營審計意見預測模型。前者關(guān)注公司是否會向法院申請破產(chǎn)（國內(nèi)研究以是否被ST為標準），后者關(guān)注公司是否會被出具涉及持續(xù)經(jīng)營存在重大不確定性的非標準無保留審計意見（下簡稱持續(xù)經(jīng)營審計意見），二者都可以為持續(xù)經(jīng)營審計判斷提供輔助決策信息。但是，這兩類模型的研究目的并不相同，前者認為模型在預測公司是否破產(chǎn)的準確性上要高于審計師，借助模型有助于減少審計期望差距[1-2].后者認為提出破產(chǎn)申請和被出具持續(xù)經(jīng)營審計意見并不是一一對應(yīng)的，被出具持續(xù)經(jīng)營審計意見的公司并非都會提出破產(chǎn)申請，而且持續(xù)經(jīng)營危機預測模型未能包含審計師進行持續(xù)經(jīng)營審計判斷時所考慮的一些重要因素，如行業(yè)前景、管理層能力等[3].Hopwood[4]等還證實在控制樣本配對比例及分類錯誤成本的條件下，持續(xù)經(jīng)營危機預測模型在預測是否破產(chǎn)的準確性上并不優(yōu)于審計師。

　　一、持續(xù)經(jīng)營危機預測模型

　　持續(xù)經(jīng)營危機預測模型按照所用概率統(tǒng)計方法的不同，可分成多元線性判別模型、多元概率比（Probit）模型、多元邏輯回歸（Logistic）模型、人工神經(jīng)網(wǎng)絡(luò)模型等4類，下文將分別予以闡述。

　?。ㄒ唬┒嘣€性判別模型

　　Altman[1]以美國1946—1965年提出破產(chǎn)申請的33家公司和33家健康公司為研究樣本，采用多元線性判別方法構(gòu)建了如下預測模型，即“Z分值模型”：Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5，其中：X1為營運資本/資產(chǎn)總額；X2為留存收益/資產(chǎn)總額；X3為息稅前利潤/資產(chǎn)總額；X4為優(yōu)先股和普通股市值/負債賬面價值；X5為銷售收入/資產(chǎn)總額。當計算出來的Z值等于或低于1.8時，預示企業(yè)破產(chǎn)的可能性非常高；當Z值介于1.81和2.99之間時，企業(yè)是否破產(chǎn)不能確定；當Z等于或高于3時，企業(yè)則不可能破產(chǎn)。Z模型對破產(chǎn)公司樣本的預測準確率為82%，而只有46%的破產(chǎn)公司在破產(chǎn)前被出具持續(xù)經(jīng)營審計意見。Altman認為Z模型可以提高審計師在持續(xù)經(jīng)營審計判斷上的準確性和一致性。Altman[5]用1970—1982年間109家破產(chǎn)公司為樣本對“Z分值模型”進行了有效性驗證，發(fā)現(xiàn)模型對破產(chǎn)公司樣本破產(chǎn)前一年的預測準確率達到86.2%，而審計師在公司破產(chǎn)前一年的預測準確率為48.1%，表明Z模型對持續(xù)經(jīng)營危機的預測準確性高于審計師。

　　繼Altman之后，Levitan、Knoblett[6]，Koh、Killough[2]，Cormier[7]，陳靜[8]和張玲[9]等都采用多元判別分析方法構(gòu)建了持續(xù)經(jīng)營危機預測模型。這些模型的構(gòu)建方法基本相同，所不同的是在持續(xù)經(jīng)營危機標準界定上、樣本時間窗口、對照組樣本選取方法、變量選取上有差異。對這些模型的有效性驗證表明預測模型比審計師在預測公司是否破產(chǎn)方面具有更高的準確性，應(yīng)用模型有助于減少審計期望差距。

　　針對多元線性判別分析要求數(shù)據(jù)服從正態(tài)分布和等協(xié)方差的假設(shè)與企業(yè)數(shù)據(jù)實際狀況的矛盾，以及配對抽樣法因樣本中兩類公司比例與它們在總體中的比例嚴重不一致而夸大了預測模型判別準確性的缺陷[10]，不需要正態(tài)分布和等協(xié)方差假設(shè)的Probit、Logistic模型被大量采用，它們都是建立在累積概率函數(shù)的基礎(chǔ)上，一般運用最大似然估計，而不需要滿足自變量服從多元正態(tài)分布和等協(xié)方差的假設(shè)。

　　（二）多元概率比模型

　　Zmijewaki[10]選取了1972—1978年間發(fā)生破產(chǎn)的40家公司和800家健康公司作為樣本，采用Probit方法建立了預測模型，即X模型：X=-4.3-4.5Xl+5.7X2-0.004X3，其中：Xl=凈利潤/總資產(chǎn)，X2=負債總額/資產(chǎn)總額，X3=流動資產(chǎn)/流動負債。陳明賢運用臺灣企業(yè)樣本建立了如下Probit模型：X=0.29354+20.491X1+4.3209X2-29.515X3，其中：X1為In（流動資產(chǎn)/流動負債）；X2為In（固定資產(chǎn)/股東權(quán)益）；X3為營運資本/負債總額。結(jié)果表明Probit模型在持續(xù)經(jīng)營危機出現(xiàn)之前1年至前5年的判別正確率分別為93.33%、83.33%、83.33%、83.33%和80%64%.

　?。ㄈ┒嘣壿嫽貧w模型

　　Ohlson[11]以美國1946—1965年期間提出破產(chǎn)申請的105家公司和2058家健康公司為研究樣本，采用logistic建立了企業(yè)持續(xù)經(jīng)營危機預測模型，即“Y模型”：Y=-1.32-0.4X1+6.03X2-1 .43X3+0.76X4-2.37X5-1.83X6+0.285X7-1.72X8-0.52X9，其中：X1為Log（資產(chǎn)總額/GNP物價指數(shù)）；X2為負債總額/資產(chǎn)總額；X3為營運資本/資產(chǎn)總額；X4為流動負債/流動資產(chǎn)；X5為凈利潤/資產(chǎn)總額；X6為經(jīng)營活動產(chǎn)生的現(xiàn)金凈流量/負債總額；X7：如果前兩年有一年虧損，為1；否則為0；X8：如果負債總額>資產(chǎn)總額，為1；否則為0；X9：（當年凈利潤-上年凈利潤）/（5當年凈利潤5+5上年凈利潤5）。Ohlson利用上述模型進行預測，結(jié)果發(fā)現(xiàn)破產(chǎn)公司前一年的Y值平均為27%，顯著高于非破產(chǎn)公司的Y平均值4%.

　　Kuruppu、Laswad和Oyelere[12]將清算作為發(fā)生持續(xù)經(jīng)營危機的標準，以新西蘭1987—1993年間85家破產(chǎn)清算的公司和50家未清算但處于財務(wù)困境狀況的公司為研究樣本，用Logistic方法構(gòu)建模型，研究結(jié)果表明在破產(chǎn)法案以債權(quán)人為導向的國家，清算預測模型可能比破產(chǎn)預測模型在判斷準確度及誤判成本方面更為優(yōu)越。

　　吳世農(nóng)、盧賢義[13]以我國1998—2000年上市公司為研究對象，選取了70家處于財務(wù)困境的公司和70家財務(wù)正常的公司為樣本，應(yīng)用逐步回歸法，從21個財務(wù)指標中最后選定6個為預測指標：盈利增長指數(shù)、資產(chǎn)報酬率、流動比率、長期負債與股東權(quán)益比率、營運資本與總資產(chǎn)比、資產(chǎn)周轉(zhuǎn)率。他們分別應(yīng)用線性概率模型、Fisher二類線性判別模型、Logistic回歸三種方法，建立了三種預測財務(wù)困境的模型。研究結(jié)果表明：三種模型均能在財務(wù)困境發(fā)生前作出相對準確的預測，在財務(wù)困境發(fā)生前4年的誤判率在28%以內(nèi)；其中Logistic預測模型的誤判率最低，財務(wù)困境發(fā)生前1年的誤判率僅為6.47%.

　　姜秀華和孫錚[14]還考慮了公司治理因素對持續(xù)經(jīng)營能力的影響，他們運用Logistic逐步回歸法從13個變量中最終選取了4個變量：毛利率、其他應(yīng)收款與總資產(chǎn)比率、短期借款與總資產(chǎn)的比率、股權(quán)集中系數(shù)，模型對ST公司的判別準確率達到84.52%.他們的研究拓展了變量選擇的傳統(tǒng)財務(wù)框架，但股權(quán)集中度是否為治理效能的惟一、有效替代還有待檢驗。姜國華、王漢生[15]也證實主營業(yè)務(wù)利潤水平和第一大股東持股比例是影響公司是否被ST的最重要因素。

　?。ㄋ模┤斯ど窠?jīng)網(wǎng)絡(luò)模型

　　人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，ANN）是對人類大腦神經(jīng)運作的模擬，模型具有較強的容錯能力和自主學習能力，可隨時依據(jù)新的數(shù)據(jù)資料進行自我學習，并調(diào)整其內(nèi)部儲存的權(quán)重參數(shù)。田偉福、周紅曉[16]選取了A股市場30家公司作為樣本構(gòu)建了前向三層BP神經(jīng)網(wǎng)絡(luò)模型，模型包括反映償債能力、資產(chǎn)管理能力、負債水平、盈利能力及成長能力等12項財務(wù)比率，測試的結(jié)果表明神經(jīng)網(wǎng)絡(luò)模型預測是否發(fā)生持續(xù)經(jīng)營危機的準確性較高。周敏、王新宇[17]對判別分析、Logistic回歸和神經(jīng)網(wǎng)絡(luò)進行了比較，她們以1999—2001年ST公司和健康公司各73家作為訓練樣本，以2002年ST公司和健康公司各43家作為檢驗樣本，分析了15個財務(wù)指標，結(jié)果表明神經(jīng)網(wǎng)絡(luò)的預測效果要優(yōu)于其他兩種方法。

　　二、持續(xù)經(jīng)營審計意見預測模型

　　持續(xù)經(jīng)營審計意見預測模型同樣按照所用概率統(tǒng)計方法的不同，可分成多元線性判別模型、多元邏輯回歸（Logistic）模型、人工神經(jīng)網(wǎng)絡(luò)模型、持續(xù)經(jīng)營審計專家系統(tǒng)等4類，模型研究的重點是持續(xù)經(jīng)營審計意見是否可以用公開的會計信息進行預測。

　?。ㄒ唬┒嘣€性判別模型

　　Mutchler[18]選取了1981年被出具持續(xù)經(jīng)營非標準審計意見的119家制造業(yè)公司，并選取了119家表現(xiàn)出一些經(jīng)營困境征兆但卻被出具標準審計意見的制造業(yè)公司作為參照物，采用多元判別法構(gòu)建了預測模型，模型使用了Mutchler通過調(diào)查問卷獲取的審計師進行持續(xù)經(jīng)營審計判斷最關(guān)注的8個變量，它們是：（1）經(jīng)營性現(xiàn)金流量/負債；（2）流動比率；（3）所有者權(quán)益/負債；（4）長期負債/總資產(chǎn)；（5）資產(chǎn)負債率；（6）稅前凈收益/銷售收入；（7）有關(guān)持續(xù)經(jīng)營不確定性的好消息和壞消息數(shù)量；（8）總資產(chǎn)凈利潤率的變動率。模型對是否被出具持續(xù)經(jīng)營非標準審計意見的預測準確率為82.8%，結(jié)果表明持續(xù)經(jīng)營非標準審計意見可以用公開發(fā)表的會計信息進行預測。

　?。ǘ┒嘣壿嫽貧w模型

　　Menon、Schwartz[19]以1974—1980年間89家破產(chǎn)公司為樣本，其中37家被出具持續(xù)經(jīng)營非標準審計意見。變量選取參照了SASNo.34和前人的研究結(jié)果，最終選取了7個變量采用了Logistic回歸構(gòu)建模型，分別是：（1）流動比率；（2）流動比率變動率；（3）留存收益/總資產(chǎn)；（4）資產(chǎn)負債率；（5）總資產(chǎn)凈利潤率；（6）是否發(fā)生持續(xù)的經(jīng)營性虧損；（7）經(jīng)營性現(xiàn)金流量/總負債，結(jié)果表明持續(xù)經(jīng)營非標準審計意見與財務(wù)比率顯著相關(guān)，最重要的解釋變量是流動比率的變動率和持續(xù)發(fā)生經(jīng)營性虧損。Menon、Schwartz還分別用1981—1983年間破產(chǎn)公司和非破產(chǎn)公司樣本對模型的有效性進行了驗證，破產(chǎn)公司樣本數(shù)為39家，其中14家被出具持續(xù)經(jīng)營非標準審計意見。非破產(chǎn)公司樣本數(shù)為46家，其中11家被出具持續(xù)經(jīng)營非標準審計意見，模型對持續(xù)經(jīng)營非標準審計意見預測的準確率為78%.

　　Bell、Tabor[20]發(fā)現(xiàn)反映水平比率的財務(wù)指標對于持續(xù)經(jīng)營審計意見的預測準確率高于反映趨勢比率的財務(wù)指標。Chen、Church[21]研究證實在模型中增加反映償還到期債務(wù)狀況的變量可以顯著提高模型的預測準確率性。

　　Mutchler[18]認為持續(xù)經(jīng)營審計判斷可以分成三個階段：第一階段是判斷被審計單位持續(xù)經(jīng)營能力是否存在重大疑慮；第二階段是判斷被審計單位是否應(yīng)該被出具持續(xù)經(jīng)營審計意見；第三階段是應(yīng)出具何種具體審計意見。Lasalle、Anandarajan和Miller[22]對第三階段，即持續(xù)經(jīng)營能力存在重大不確定性應(yīng)出具何種具體審計意見進行了研究。他們收集了183份調(diào)查問卷（其中130份問卷的樣本公司被出具持續(xù)經(jīng)營強調(diào)無保留意見，53份問卷的樣本公司被出具持續(xù)經(jīng)營無法表示意見），按照審計意見的具體類型為被解釋變量，以虧損持續(xù)年數(shù)、壞消息和好消息數(shù)量、被審計單位規(guī)模、內(nèi)部控制水平、審計風險大小、審計任期、會計事務(wù)所規(guī)模等7個變量為解釋變量，采用Logistic回歸構(gòu)建判別模型，模型對兩種審計意見鑒別的準確率為83.85%，結(jié)果表明兩種審計意見類型在持續(xù)經(jīng)營不確定性程度上存在顯著差異。

　?。ㄈ┤斯ど窠?jīng)網(wǎng)絡(luò)模型

　　Lenard、Alam和Madey[23]選取了1982—1987年被出具持續(xù)經(jīng)營審計意見的40家公司，并選取同時期40家被出具標準審計意見的公司為參照對象，構(gòu)建了基于GRG2的神經(jīng)網(wǎng)絡(luò)模型，模型自主學習采用了8個變量，它們是：（1）經(jīng)營性現(xiàn)金流量/負債；（2）流動比率；（3）所有者權(quán)益/負債；（4）長期負債/總資產(chǎn)；（5）資產(chǎn)負債率；（6）稅前凈收益/銷售收入；（7）總資產(chǎn)凈利潤率；（8）上一年度是否虧損。神經(jīng)網(wǎng)絡(luò)模型對持續(xù)經(jīng)營審計意見的預測準確率達到95%，而基于相同變量的Logistic模型預測的準確率為83%，結(jié)果表明人工神經(jīng)網(wǎng)絡(luò)模型對持續(xù)經(jīng)營審計意見具有較好的預測能力。

　?。ㄋ模┏掷m(xù)經(jīng)營審計專家系統(tǒng)

　　持續(xù)經(jīng)營審計專家系統(tǒng)是人工智能在持續(xù)經(jīng)營審計判斷領(lǐng)域的應(yīng)用，它將該領(lǐng)域的專家知識經(jīng)驗轉(zhuǎn)化為系統(tǒng)知識庫的推理規(guī)則，被審計單位所處行業(yè)、外部經(jīng)營環(huán)境、內(nèi)部管理控制水平、異常事件等難以量化的因素都被加以考慮，并且專家系統(tǒng)具有自主學習知識功能，因此，專家系統(tǒng)能提高審計判斷的一致性和可靠性。Biggs、Selfridge和Krupka[24]研究設(shè)計了一個GC X持續(xù)經(jīng)營審計專家系統(tǒng)，該系統(tǒng)認為審計師進行持續(xù)經(jīng)營審計判斷需要依據(jù)三類知識：財務(wù)知識、事件知識及程序知識，持續(xù)經(jīng)營危機（體現(xiàn)為異常的財務(wù)指標）則是某些具體事件的必然結(jié)果。GC X系統(tǒng)通過4個程序?qū)Τ掷m(xù)經(jīng)營審計判斷提供決策支持作用，這4個程序分別是：持續(xù)經(jīng)營不確定性問題識別、問題緣由的后向推理、對管理層擬采取改善措施的有效性和可行性評估、出具持續(xù)經(jīng)營審計意見。Lenard、Madey和Alam（1998）[25]還將持續(xù)經(jīng)營審計專家系統(tǒng)與一個基于馬氏距離的聚類模型相結(jié)合構(gòu)建了一個混合模型，并隨機選取了1990年間26家破產(chǎn)公司和26家健康公司，對該混合模型與其他破產(chǎn)預測模型的預測準確率進行了驗證，結(jié)果顯示混合模型的預測準確率達到96.2%.

　　三、總結(jié)與評述

　　從以上文獻的回顧可以看出，國內(nèi)外審計學界對持續(xù)經(jīng)營審計判斷模型進行了大量的研究，有關(guān)涉及分類的定量方法在模型構(gòu)建中得到了大量應(yīng)用。這些模型的研究在總體方向上呈現(xiàn)出兩個發(fā)展趨勢：一方面，從僅考慮財務(wù)指標擴展到綜合考慮財務(wù)、經(jīng)營、股票市場表現(xiàn)、管理能力等因素，從定量分析向定性與定量分析相結(jié)合的方向發(fā)展；另一方面，從線性統(tǒng)計方法向更符合實際的非線性預測方法發(fā)展。盡管這些模型被證實在預測持續(xù)經(jīng)營危機方面具有較高的準確性，但以下幾個方面的問題仍有待于進一步研究和探討：

　?。ㄒ唬Τ掷m(xù)經(jīng)營危機的定義

　　對持續(xù)經(jīng)營危機的定義在學術(shù)界尚未形成一致的意見，而對持續(xù)經(jīng)營危機的不同定義會直接影響到樣本的選擇標準，從而得出不同的預測模型。持續(xù)經(jīng)營審計意見預測模型建立在將被出具持續(xù)經(jīng)營審計意見作為持續(xù)經(jīng)營危機發(fā)生標準的基礎(chǔ)上，而持續(xù)經(jīng)營審計意見尚可進一步分為強調(diào)無保留、保留意見、無法表示意見和否定意見等4種具體意見類型。顯然，這4種具體意見在持續(xù)經(jīng)營不確定性程度上具有顯著差異，不加區(qū)別地同等對待影響了模型參數(shù)估計的穩(wěn)定性。持續(xù)經(jīng)營危機預測模型則建立在將申請破產(chǎn)、破產(chǎn)清算作為發(fā)生標準的基礎(chǔ)上，而在破產(chǎn)機制還不健全的國內(nèi)，通常選用ST作為標準。將ST作為標準自然使得盈利能力低下是導致持續(xù)經(jīng)營危機的主要原因，虧損與否將是持續(xù)經(jīng)營危機與非持續(xù)經(jīng)營危機公司之間存在顯著差異的變量，這種變量的自選擇問題也是國內(nèi)相關(guān)研究的一個不足之處。

　　（二）變量選擇

　　持續(xù)經(jīng)營審計判斷模型的變量選擇依然處于試錯原則階段，缺乏理論基礎(chǔ)。在如何選擇變量及是否存在最佳的變量組合來預測持續(xù)經(jīng)營危機發(fā)生的概率仍然存在較大分歧。Chen、Church[21]指出增加無力償還到期債務(wù)這一變量可以顯著提高持續(xù)經(jīng)營審計意見的預測準確率，Koh、Killough[2]等研究表明現(xiàn)金流量信息能有效地反映公司發(fā)生持續(xù)經(jīng)營危機的概率，Bell、Tabor[20]發(fā)現(xiàn)持續(xù)經(jīng)營危機公司股票存在負的市場收益率，股票收益率可以用來預測持續(xù)經(jīng)營危機，Goodman[26]證實管理當局的經(jīng)營管理能力變量與是否被出具持續(xù)經(jīng)營審計意見顯著相關(guān)。新修訂的《持續(xù)經(jīng)營準則》明確規(guī)定審計師在進行持續(xù)經(jīng)營審計判斷時應(yīng)密切關(guān)注管理層擬采取改善措施的可行性和有效性。

　?。ㄈ颖具x擇

　　選擇不同的樣本會直接影響到模型的有效性，多元線性判別方法多采用等額配對抽樣法，這樣作可能因為樣本量的限制，但卻過分夸大了持續(xù)經(jīng)營危機公司比例，使得系數(shù)對樣本和模型設(shè)置都非常敏感，模型設(shè)置的微小變化、在樣本總體中加入或刪除案例等變動，都會導致系數(shù)估計的較大變化。其次，現(xiàn)有的樣本選取忽略了行業(yè)特征，將一定期間不同行業(yè)的持續(xù)經(jīng)營危機公司作為測試樣本組，糅合在一起進行研究，損害了模型的價值，因為不同行業(yè)的公司具有不同的特征，即使影響持續(xù)經(jīng)營的因素相同，但是其相對重要性卻可能有所不同。最后，對于不同的樣本選取時間，由于其外在經(jīng)濟環(huán)境的差異，得出的模型可能存在顯著差異，模型的預測準確性也會因經(jīng)濟環(huán)境、時間區(qū)間的不同而產(chǎn)生變動。

　?。ㄋ模┙７椒?/p>

　　多元線性判別方法、多元概率比回歸、多元邏輯回歸方法均被大量采用，而多元概率比回歸、多元邏輯回歸方法運用最大似然估計，克服了多元線性判別分析要求數(shù)據(jù)服從正態(tài)分布和等協(xié)方差的假設(shè)與公司數(shù)據(jù)實際狀況不相符合的矛盾，在理論上更為完善。值得關(guān)注的是持續(xù)經(jīng)營危機預測的研究方法又有新的進展，人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊數(shù)學、專家系統(tǒng)開始被應(yīng)用于構(gòu)建預測模型，一些對持續(xù)經(jīng)營審計判斷有重要影響但卻因難以量化而放棄的變量被重新予以考慮，而且這些新的方法整合了專家在該領(lǐng)域的知識經(jīng)驗，具有自主學習功能，顯示了獨特的優(yōu)越性。

　?。ㄎ澹┱`判成本

　　現(xiàn)有模型將分類的一類錯誤、二類錯誤等同看待，模糊了誤受和誤拒的成本，而事實上問題并非如此簡單。一般而言，從投資者或銀行的角度，一類錯誤成本要大于二類錯誤成本；而從企業(yè)看，由于借貸者、顧客、供貨商、股東或其他投資人的不必要的戒備狀態(tài)，會使二類錯誤的成本更高。對審計師而言，既要保證客戶的正當權(quán)益，又要避免過高的法律訴訟風險。因此，如何綜合權(quán)衡一類錯誤成本與二類錯誤成本也是未來模型研究的重點之一。

　?。┠Ｐ偷倪m用性

　　從持續(xù)經(jīng)營準則和專家訪談可以看出，持續(xù)經(jīng)營審計判斷屬于多階段性決策問題。Mutchler[18]將持續(xù)經(jīng)營審計判斷分成三個階段，Goodman[26]認為審計師還應(yīng)當評估管理當局擬采取改善措施的有效性和可行性。現(xiàn)有大多數(shù)模型僅僅集中于判斷的某一階段，而對從持續(xù)經(jīng)營疑慮事項識別到出具具體的審計意見進行全面系統(tǒng)的建模還較為少見，模型的適用范圍還較為局限。如何結(jié)合審計實踐，構(gòu)建多階段、多目標的全面模型將是一個很有前景的研究方向。