{"skill":{"slug":"audit-statistics","displayName":"Audit Statistics","summary":"提供审计抽样设计与数据异常检测、实质性分析及趋势预测的统计方法应用指导。","description":"# audit-statistics\n\n> 统计学方法在审计实践中的应用指南。帮助审计人员在实际审计项目中选择合适的统计方法、执行分析、解读结果。\n\n---\n\n## 使用场景\n\n当审计项目涉及以下需求时使用本技能：\n\n- 审计抽样方案设计\n- 数据异常检测与风险识别\n- 实质性分析程序\n- 总体金额推断\n- 趋势分析与预测\n\n---\n\n## 一、抽样方法速查\n\n### 1. 随机抽样（Simple Random Sampling）\n```\n每个样本被选中的概率相等\n适用：样本量较小、总体较为同质\n优点：最基础的抽样方法，结果可直接推断总体\n缺点：样本量要求较大才能保证精度\n```\n\n### 2. 分层抽样（Stratified Sampling）\n```\n将总体按某一特征分层（金额区间/业务类型/风险等级）\n每层独立抽样，层内可随机或PPS\n适用：总体内部差异大，如按账龄或金额分层\n优点：提高样本代表性，减少方差\n缺点：需要明确的分层变量\n```\n\n### 3. 货币单元抽样 MUS（Monetary Unit Sampling）\n```\n以\"元\"为抽样单元，金额越大被抽中概率越高\n适用：应收账款、应付账款、存货等账面价值较大科目\n优点：自然聚焦高风险大额项目\n缺点：零余额项目不会被抽中；不适合低价值总体\n```\n\n### 4. 属性抽样（Attribute Sampling）\n```\n测试内部控制是否存在/有效（符合=1，不符合=0）\n适用：内控测试样本量确定\n公式：n = (Z² × p × (1-p)) / E²\nZ = 置信系数（95%→1.96），p = 预期偏差率，E = 可容忍偏差率\n```\n\n### 5. 变量抽样（Variable Sampling）\n```\n推断总体金额错报范围\n常用方法：\n- 估计均值法（temporal mean estimation）\n- 差异估计法（difference estimation）\n- 比率估计法（ratio estimation）\n适用：存货、固定资产等需要推断真实价值的科目\n```\n\n### 6. PPS抽样（Probability Proportional to Size）\n```\n按项目金额占总体金额的比例确定抽样权重\n与MUS类似，但记录抽样而非货币单元\n适用：大额项目优先的实质性测试\n```\n\n---\n\n## 二、数据分析技术\n\n### Benford 定律\n```\n数字首位分布规律（自然产生的数据）\n首位数字 d出现概率：P(d) = log₁₀(1 + 1/d)\n\n检测步骤：\n1. 提取数据首位数字\n2. 统计实际分布频率\n3. 与理论值比较（卡方检验/K-S检验）\n4. 偏差过大→可能存在数据造假或人为修饰\n\n适合检验：销售金额、费用报销、采购订单、发票号\n```\n\n### 离群值检测\n```\n1. 3σ原则：超出均值±3个标准差 → 离群点\n2. IQR四分位距：< Q1-1.5×IQR 或 > Q3+1.5×IQR → 离群点\n3. Z-score：|Z| > 2.5 或 3 → 离群点\n4. 箱线图可视化\n\n适用：大额异常交易、疑似截值（round-number）数据\n```\n\n### 相关性 & 回归\n```\n目的：发现科目间不合理的逻辑关系\n举例：\n- 收入增长率 vs 应收账款增长率（正常应相近）\n- 水电费 vs 生产量（应有正相关）\n- 运费 vs 销售额（应有正相关）\n\n审计应用：构建期望值模型，解释不了的差异→进一步追查\n```\n\n---\n\n## 三、分析性复核步骤\n\n```\nStep 1: 确定分析目标\n  → 识别可能存在错报的领域\n\nStep 2: 建立预期值\n  → 行业基准 / 上期数据 / 预算数据 / 运营逻辑\n\nStep 3: 计算实际值与预期值的差异\n  → 差异金额 = |实际 - 预期|\n  → 差异率 = 差异 / 预期\n\nStep 4: 统计显著性判断\n  → 差异率 > 可容忍差异率 → 需追查\n  → F检验/t检验判断差异是否显著\n\nStep 5: 记录分析结论\n  → 差异可解释（正常经营原因）→ 风险低\n  → 差异无法解释 → 扩大测试范围\n```\n\n---\n\n## 四、实质性测试中的统计应用\n\n### 截止测试（Cut-off Testing）\n```\n检查结账日前后N天的交易\n统计方法：按日期分布检验是否有\"人为调整\"迹象\n（如：12月31日集中确认收入、12月31日后大量退货）\n```\n\n### 期后事项检查\n```\n统计检查结账日后2个月内的大额调整凭证\n异常值检测：如果存在某类调整集中发生 → 关注管理层估计变更\n```\n\n---\n\n## 五、Python 实现示例\n\n```python\nimport pandas as pd\nimport numpy as np\nfrom scipy import stats\n\n# Benford定律检验\ndef benford_test(data, col):\n    observed = data[col].dropna().astype(str).str[0].astype(int)\n    observed = observed[observed.between(1, 9)]\n    observed_counts = observed.value_counts().sort_index()\n    expected = [np.log10(1 + 1/d) for d in range(1, 10)]\n    chi2, p = stats.chisquare(observed_counts.values, f_exp=[e*len(observed) for e in expected])\n    return chi2, p\n\n# 离群值检测（IQR）\ndef detect_outliers_iqr(series, k=1.5):\n    q1, q3 = series.quantile([0.25, 0.75])\n    iqr = q3 - q1\n    lower = q1 - k * iqr\n    upper = q3 + k * iqr\n    return series[(series < lower) | (series > upper)]\n\n# 分层抽样\ndef stratified_sample(df, stratify_col, sample_size, weight_col=None):\n    strata = df.groupby(stratify_col)\n    if weight_col:\n        # PPS within each stratum\n        sampled = strata.apply(lambda x: x.sample(n=min(len(x), max(1, int(sample_size * x[weight_col].sum() / df[weight_col].sum()))), random_state=42))\n    else:\n        sampled = strata.apply(lambda x: x.sample(frac=sample_size/len(df), random_state=42))\n    return sampled.reset_index(drop=True)\n```\n\n---\n\n## 六、抽样方案设计checklist\n\n```\n□ 明确审计目标（内控测试 OR 实质性测试）\n□ 定义总体范围（科目/期间/业务线）\n□ 确定抽样单元\n□ 选择抽样方法（MUS / 分层 / 属性等）\n□ 计算样本量\n□ 随机选号（随机数表或Excel RAND）\n□ 执行抽样\n□ 评价样本结果（偏差率 / 错报金额）\n□ 推断总体结论\n□ 记录抽样程序，留存文件\n```\n\n---\n\n## 相关标准\n\n- ISA 530：Audit Sampling（审计抽样）\n- ISA 520：Analytical Procedures（分析性复核）\n- PCAOB AS2315：Audit Sampling\n","tags":{"latest":"1.0.0"},"stats":{"comments":0,"downloads":410,"installsAllTime":15,"installsCurrent":1,"stars":0,"versions":1},"createdAt":1778116627631,"updatedAt":1778492867743},"latestVersion":{"version":"1.0.0","createdAt":1778116627631,"changelog":"Initial release of audit-statistics skill.\n\n- Provides a practical guide for applying statistical methods in audit projects.\n- Covers common sampling methods: random, stratified, MUS, attribute, variable, and PPS sampling.\n- Includes techniques for data analysis: Benford's Law, outlier detection, correlation/regression analysis.\n- Outlines analytical review steps and substantive test applications.\n- Offers Python code samples for key audit statistical procedures.\n- Features a checklist for designing audit sampling plans and lists relevant audit standards.","license":"MIT-0"},"metadata":null,"owner":{"handle":"iamdracula","userId":"s173yppx40th60qjasat16rkmd8549qy","displayName":"iamdracula","image":"https://avatars.githubusercontent.com/u/16771443?v=4"},"moderation":null}