【作 者】
王小娟1,2,3,万映红2,3(副教授)
【作者单位】
(1.西藏民族学院财经学院,陕西咸阳 712082;2.西安交通大学管理教学实验中心,西安 710049;3.西安交通大学管理学院,西安 710049)
【摘 要】
【摘要】本文在前人研究基础上,结合大数据特点,构建了大数据环境下企业会计信息质量评价指标体系,该体系包括会计信息的可靠性、完整性、相关性和及时性四方面共14个指标。采用模糊综合评价法对本文所构建的会计信息质量评价指标体系进行实例验证,检验结果表明该指标体系具有合理性以及可行性。
【关键词】大数据;会计信息质量;指标体系;模糊综合评价法一、
引言
会计信息质量是指会计信息满足信息使用者需求的特征总和, 即会计主体所提供的会计信息,为满足会计信息使用者共同需要应具备的特征。会计信息作为企业决策的重要依据,其质量的高低直接影响着国家经济调控的效果和市场运行效率,关系着投资者的利益、经济的发展和社会的长期稳定。
随着大数据时代的到来,大数据对企业会计信息的影响逐渐成为讨论的焦点。面对大量的数据资源,企业如何在众多的数据中发现和查询对自己有用的、及时、完整以及可靠的数据和信息,以及如何在大数据环境下对企业会计信息质量进行科学有效评价,成为亟待解决的重大课题。
国内外学者对此问题展开深入研究,但研究视角和方法各有侧重,而且大部分研究是以定性研究为主,并不能准确、客观地反映会计信息质量评价的实质问题。鉴于此,本文在参考和借鉴国内外相关研究基础上,结合大数据的特点,提出大数据环境下企业会计信息质量评价指标体系。在采用层次分析法确定指标权重的基础上,通过模糊综合评价法对本文所建立的会计信息质量指标体系进行评价,验证了所构建指标的合理性和可行性。本文对大数据环境下会计信息质量的相关研究,以及企业的会计信息质量评价具有一定的理论和现实意义。
二、研究综述
1. 国内外相关研究。国外的相关研究主要有:国际会计准则理事会提出了会计信息质量的10个特征——重要性、相关性、可比性、谨慎性、可理解性、可靠性、中立性、如实反映、完整性等,并认为高质量的会计信息必须具备相关性、可比性、可理解性和可靠性的特征。英国会计准则委员会认为,会计信息的质量一般分为两类:与财务报表中信息的“表述”有关的质量(即可比性、一致性、可理解性、披露和及时性等);与财务报表中信息内容有关的质量(即可靠性和相关性)。ME Barth等(2001)和PM Dechow&D Dichev(2002)认为会计信息质量可通过对未来现金流预测的准确程度来衡量。Barton、Waymire(2004)认为可以将资产负债表和损益表的定量评价以及透明度和可信赖度作为财务报告评价的标准。
国内方面,李丽青、师萍(2005)认为会计信息质量的指标体系包括充分披露程度、会计政策一致性程度、现金流量质量度和收入资产质量度四个方面共18个指标,并采用上市公司的数据资料对该指标体系进行实证检验。苑秀娥(2006)采用模糊综合评价法和层次分析法构建了企业会计信息质量评价指标体系,其中包括相关性和可靠性两方面共9个指标。杨世忠(2008)将会计信息质量体系分成财务会计信息质量体系(16个指标)和管理会计信息质量体系(12个指标)。董文先(2009)通过模糊综合评价理论,从盈余会计信息质量和信息披露质量两方面共9个指标评价会计信息质量。王玉翠、康楠楠(2010)采用模糊综合评价方法从相关性和可靠性两方面共8个指标对会计信息质量进行了评价。徐私、肖楠等(2012)对会计信息质量从可靠性和相关性两方面来衡量,指标包括现金质量保证、资产质量、盈利质量、公司治理、真实性五个方面共16个指标。吴明涛等(2012)通过投影寻踪模型对企业会计信息质量进行评价,所建立的指标体系包括可靠性、相关性两大类共8个指标。白平(2012)将极差变化法和层次分析法相结合,构建了投资者保护视角下的会计信息质量测度体系,包括财务报告质量、信息披露质量以及审计质量三个方面共13个指标。
2. 对国内外相关研究的评述。综合国内外研究可知,学者们分别从不同角度提出会计信息质量的评价指标体系,应用的理论及方法也不尽相同。本文在前人研究的基础上,研究大数据环境下的企业信息质量评价体系。大数据指规模和数量巨大到无法在合理时间内,通过软件工具来撷取、处理、整理以及管理的数据资料,其具有速度快、体量大、价值高以及种类多等特点。根据大数据的特点,海量的数据会影响到会计信息质量的完整性、及时性、真实性以及相关性等,因此,大数据环境下企业会计信息质量的评价指标会有所不同。
另外,从研究方法来看,国内外的评价方法主要分为定性和定量方法,其中,定量的研究方法因其更加客观和科学地揭示问题实质,而逐渐成为主流的研究方法。在绩效评价的定量研究中,运用层次分析法以及模糊综合评价方法得到了广泛的应用。其中,层次分析法是一种多目标、多方案优化决策的系统方法,需要进行一致性检验。当遇到规模较大、因素众多的问题时,层次分析法容易出现问题。模糊综合评价法是根据模糊数学的隶属度理论把定性评价转化为定量评价,它是一种基于模糊数学的综合评价方法,除了能较好地解决难以量化的模糊问题,也适合各种非确定性问题的解决。
由于所设指标包含难以量化的测量指标,本文在层次分析方法确定权重的基础上,采用模糊综合评价方法从可靠性、相关性、及时性和完整性四个方面,对所构建的大数据环境下企业会计信息质量指标体系进行评价。研究结论对大数据环境下企业会计信息质量的评价提供参考,从而使企业进一步提升会计信息质量,促进企业良性发展。
三、大数据环境下会计信息质量评价体系
本文所建立的大数据环境下会计信息质量评价指标体系包括可靠性、及时性、相关性以及完整性四个方面的14个指标。
该指标体系共3层:第一层,目标层:大数据环境下会计信息质量评价体系(A);第二层,要素层,包括:可靠性(B1)、相关性(B2)、及时性(B3)、完整性(B4);第三层,指标层:14个指标分别用C1,C2,…,C14表示。
具体指标如表1所示。
四、基于模糊综合评价法的会计信息质量评价
笔者在对模糊综合评价方法的评价步骤进行介绍后,通过模糊综合评价方法对大数据环境下会计信息质量进行评价,以说明本文所构建的指标体系的合理性。
1. 模糊综合评价方法。
(1)确定因素集。因素集是指由影响因素(评价指标)组成的集合,通常用U表示,分为总目标因素集和子目标因素集。总目标因素集用U=(u1,u2,u3,…,un)表示;对构成每一个总目标因素集的因素ui再划分,得到子目标因集uij(即二级指标),表示每个因素子集ui有j个因素。
(2)建立评语集V。评语级是指对各层次评价因素作出的总评判组成的集合。比如,V=(v1,v2,v3,…,vn),V可表示:{优,良,中,及格,差}等。
(3)确定权重。权重表示各个因素在指标体系中的重要程度的集合。可以得到因素集U=(u1,u2,u3,…,un)的权重集A=(a1,a2,a3,…,an)及其子因素的权重A1=(a11,a12,…,a1n),A2=(a21,a22,…,a2n),…,Aij,其中Aij表示第i个因素中第j个子因素uij的权重集。
(4)建立各因素(评价指标)的模糊综合评价矩阵R。
R=
其中,rij表示因素ui对等级uij的隶属度,所以矩阵R的第i行Ri=(ri1,ri2,…,rin)为因素ui的单因素评价。为得出模糊矩阵R,需根据待评价的指标数据,对每一个评价指标ui(i=(1,2,…,m))分别构造出vj的隶属函数。
(5)由权重A和模糊评价矩阵R,以及S=A×R,求得表示评价结果的向量S,再根据隶属度最大原则得出评价结果。
2. 基于模糊综合评价法的会计信息质量评价。为检测该指标体系的合理性,本文以某电子商务企业为例进行说明。该企业组织财务部相关事务领导及业务专家数名,对表1所示的会计信息质量指标体系进行打分。根据模糊综合评价分析方法,本文对该企业的会计信息质量评价按照如下步骤进行:
(1)建立因素集。根据表1的指标体系,将影响电子商务类企业绩效评价指标的因素集分两层。第一层:U=(u1,u2,u3,u4),其中,U代表大数据环境下企业会计信息质量评价因素集,u1、u2、u3、u4分别代表:可靠性、相关性、及时性、完整性因素集。第二层分别为:u1=(u11,u12,u13),u2=(u21,u22,u23),u3=(u31,u32,u33,u34),u4=(u41,u42,u43,u44),代表C1,C2,…,C14 。
(2)建立评语集。对各因素的评价分为五个等级,即V=(v1,v2,v3,v4,v5)={优, 良, 中,及格,差} 。
(3)确定权重。本指标体系采用层次分析法确定指标权重,得到因素集U及其4个子因素u1、u2、u3、u4的权重集分别为:
A=(0.416 8,0.220 4,0.124 3,0.038 5)
A1=(0.564 2,0.224 0,0.211 8)
A2=(0.435 4,0.364 2,0.200 4)
A3=(0.302 0,0.287 8,0.311 4,0.098 8)
A4=(0.412 5,0.127 8,0.132 7,0.327 0)
(4)建立各因素(评价指标)的模糊综合评价矩阵Ri。组织相关专家(10位)根据评价标准对各指标进行评判,对每列打分并除以专家总人数(10人),即可得到各因素的模糊评价矩阵Ri。
比如,对于完整性的4个子因素,专家对指标打分,并除以专家总人数10人(见表2),即可得到完整性的模糊矩阵R4。同理,可得到可靠性、相关性、及时性的模糊矩阵R1、R2、R3。