9.3 抽樣稽核與信賴區間#

本章導言#

會計師面對一個永恆的兩難：查核意見要對全部帳目負責，但稽核資源只夠檢查其中一小部分。二十世紀以前，稽核靠「全查」或憑經驗抽看——抽哪些、抽多少、結果能推到什麼程度，全無準則。1900 年代大型企業動輒數萬筆交易，全查在成本上已不可能；但「抽樣」若無數學根據，法院與主管機關一句「你的樣本能代表母體嗎？」就足以瓦解稽核意見的正當性。

轉折發生在 1930–1960 年代：統計抽樣理論（Fisher、Neyman 的信賴區間與假設檢定）成熟後，稽核界開始把「樣本─母體推論」正式納入查核方法論。美國會計師公會（AICPA）於 1960 年代陸續發布統計抽樣準則，統計抽樣稽核（statistical sampling in auditing） 成為會計師的標準工具。本節說明其中的核心數學：從母體比例的估計，到誤述金額的區間推論。

一、稽核抽樣的兩大任務#

稽核抽樣依目的分兩類，數學模型不同：

類型	問題	模型	常用方法
屬性抽樣（attributes sampling）	內部控制「是否有效」：控制程序失效的比例	母體比例的估計/檢定	屬性抽樣、發現抽樣
變量抽樣（variables sampling）	帳戶餘額「金額是否正確」：誤述金額	母體平均數/總和的區間估計	均值估計法、差額估計法、機率比例抽樣

共同的核心問題都是：用樣本推論母體，必須附上「可信程度」——這正是信賴區間的語言。

二、屬性抽樣：控制失效率的區間估計#

設母體有 \(N\) 筆控制測試交易，其中失效比例為 \(p\) （未知）。稽核員抽取 \(n\) 筆，發現失效 \(x\) 筆，樣本比例 \(\hat{p} = x/n\) 。當 \(n\) 適中時， \(\hat{p}\) 近似常態分配，母體比例 \(p\) 的 \(100(1-\alpha)\%\) 信賴區間為：

\[ \hat{p} \pm z_{\alpha/2}\sqrt{\frac{\hat{p}(1-\hat{p})}{n}}, \]

其中 \(z_{\alpha/2}\) 是標準常態的上 \(\alpha/2\) 分位數（95% 信賴水準時 \(z_{0.025} \approx 1.96\) ）。若母體有限且抽樣比例 \(n/N\) 較大（如超過 5%），需乘上有限母體修正因子 \(\sqrt{1 - n/N}\) ，使區間變窄。

稽核的實務邏輯是反向的：先設定「可容忍偏差率（tolerable deviation rate）」 \(p_t\) 與「預期偏差率」，再反推所需樣本量：

\[ n = \frac{z_{\alpha/2}^2 \, \hat{p}(1-\hat{p})}{e^2}, \]

其中 \(e\) 是允許的估計誤差。

例題 9.3.1：驗收單控制的屬性抽樣#

稽核員欲檢查「付款前是否附有驗收單」這一控制。設定：可容忍偏差率 \(p_t = 5\%\) 、預期偏差率 \(\hat{p} = 1\%\) 、信賴水準 95%（ \(z \approx 1.96\) ）、允許誤差 \(e = p_t - \hat{p} = 4\%\) 。抽取樣本後，在 \(n = 100\) 筆中發現 2 筆未附驗收單。請估計母體偏差率的 95% 信賴區間，並判斷控制是否可接受。

解：樣本比例 \(\hat{p} = 2/100 = 0.02\) ，標準誤：

\[ SE = \sqrt{\frac{0.02 \times 0.98}{100}} = \sqrt{0.000196} = 0.014. \]

95% 信賴區間：

\[ 0.02 \pm 1.96 \times 0.014 = 0.02 \pm 0.0274, \]

即 \([-0.007,\; 0.047]\) ，比例不為負，取 \([0, \; 4.74\%]\) 。區間上界 \(4.74\% < 5\%\) （可容忍偏差率），故在 95% 信賴水準下接受該控制有效。注意判斷的關鍵不是樣本偏差率 2% 本身，而是「母體偏差率最可能的上界」——信賴區間把「抽樣風險」明確計入了判斷。

三、變量抽樣：誤述金額的區間推論#

對帳戶餘額（如應收帳款），稽核員常採差額估計法：抽 \(n\) 個項目，逐一核實帳面值與審定值之差額 \(d_i\) （誤述），計算平均差額 \(\bar{d}\) 與樣本標準差 \(s_d\) 。母體總誤述 \(D\) 的估計為 \(N\bar{d}\) ，其信賴區間為：

\[ N\bar{d} \pm z_{\alpha/2} \cdot N \cdot \frac{s_d}{\sqrt{n}} \cdot \sqrt{1 - \frac{n}{N}}. \]

判斷規則：若此區間完全落在「可容忍誤述金額 \(\pm T\) 」之內，則帳面價值可接受；若區間跨越 \(T\) ，稽核員應擴大樣本、要求客戶調整，或出具保留意見。這是把「重大性（materiality）」與「抽樣風險」聯結的數學閘門。

機率比例抽樣（probability-proportional-to-size, PPS） 是稽核特有的變體：金額越大被抽中機率越高（以每一「抽樣單位」為一元），使高金額項目自動獲得重點查核，且可用 Poisson 近似把「發現 \(k\) 個誤述」換算成誤述上限（misstatement bound），大幅簡化計算。

四、從區間到意見：抽樣風險的管理#

信賴區間把稽核判斷從「我覺得差不多」升級為「在 95% 信賴水準下，母體誤述不超過某金額」。這帶來三個實務變革：

樣本量的透明性：樣本量由 \(p_t\) 、 \(e\) 、 \(z\) 明確算出，稽核計畫可被同業覆核與主管機關檢查。
抽樣風險可控制：降低 \(\alpha\) （信賴水準提高）或縮小 \(e\) ，樣本量隨之增加——風險與成本有了明確的交換曲線。
非統計抽樣的壓力：無法量化推論的判斷性抽樣，逐漸被要求「至少事後能用統計語言說明涵蓋範圍」。

《機率統計》一書中由 Neyman 於 1934 年奠定的信賴區間理論，在此成為稽核意見的量尺。

前因後果與驅動關係#

實務驅動（前因）：企業規模爆炸使全查不可行；1938 年的 McKesson & Robbins 案（虛構存貨與應收帳款詐欺）震驚稽核界，逼使會計師必須論證「證據的代表性」，函證與抽樣方法論因此加速制度化。
理論承襲：本節的估計與檢定工具直接來自《機率統計》的信賴區間理論（Neyman, 1934）；屬性抽樣的「偏差率」是母體比例估計的應用，變量抽樣則是平均數區間估計的應用。9.1 節的期望值與 9.2 節的情境機率提供點估計的基礎，本節補上「推論的不確定性」。
理論回饋（後果）：統計抽樣使稽核意見獲得可覆核的數學基礎，AICPA 1960 年代起將統計抽樣納入查核準則；內部稽核師（CIA）與會計師考試均列入必考。抽樣邏輯也回饋到第 7.3 節的差異檢定——兩者共享「樣本─母體」的同一套數學。
跨書聯繫：《管理的數學》第 7 章品質管制使用同型的抽樣檢驗（允收抽樣）；《金融的數學》第 7 章風險度量中「估計誤差」的概念與本節的標準誤同源。

練習#

抽查 \(n = 200\) 筆銷貨退回單，發現 10 筆未經核准。求母體偏差率的 95% 信賴區間；若可容忍偏差率為 8%，控制是否可接受？
承第 1 題，若希望把區間半寬壓到 2% 以內（信賴水準不變），樣本量至少需多少？（用 \(\hat p = 0.05\) 估）
應收帳款 1,000 戶，抽 100 戶差額估計得 \(\bar{d} = -35\) 元、 \(s_d = 120\) 元。求母體總誤述的 95% 信賴區間（含有限母體修正），並解釋負號的會計意義。
說明 PPS 抽樣為何使「大金額項目被抽中機率高」？這對「偵測重大誤述」有何優勢？
思考題：信賴水準 95% 意指「方法長期正確的比例」，而非「此一區間涵蓋真值的機率是 95%」。稽核報告若寫「有 95% 的把握母體誤述不超過 50 萬元」，這句話在統計哲學上有何瑕疵？該如何改寫更嚴謹？

名詞速查表#

屬性抽樣：估計控制偏差率的稽核抽樣，母體為「合規/失效」二值資料。
變量抽樣：估計金額誤述的稽核抽樣，模型為平均數/總和的區間估計。
可容忍偏差率：控制測試中可接受的最大母體偏差率 \(p_t\) 。
差額估計法：以「帳面值−審定值」差額為變數的變量抽樣方法。
有限母體修正因子： \(\sqrt{1-n/N}\) ，抽樣比例大時縮小標準誤。
機率比例抽樣（PPS）：抽中機率與項目金額成正比的稽核抽樣設計。
重大性（materiality）：足以影響使用者決策的誤述門檻，是區間判斷的基準。

（本節完）