欢迎来到审计抽样（Audit Sampling）的世界！

欢迎来到 AUD 考试中最实用的章节之一！你有没有试过只喝一小勺汤来判断整锅汤是否需要加盐？这正是审计抽样 (Audit Sampling) 的核心概念。审计师不可能检查一家公司所有的交易（那样做永远也查不完！），所以我们通过检视一个具有代表性的“样本”，来对“整锅汤”得出结论。

在本章中，我们将学习如何挑选那个“样本”，以及如何确保我们的结论是可靠的。如果起初觉得这些内容包含太多“数学”，请别担心——我们会将其拆解成简单的步骤，并专注于 CPA 考试真正会考的重点。


1. 基础概念：什么是审计抽样？

审计抽样是指对总体（Population）中少于 100% 的项目应用审计程序。目标是根据我们抽样测试的小部分项目，来评估整个群体的特性。

抽样风险 (Sampling Risk) 与非抽样风险 (Non-Sampling Risk)

即使你做足了所有正确的步骤，仍有可能得出错误的结论。这称为审计风险 (Audit Risk)。在抽样中，我们将其分为两类：

1. 抽样风险：指你挑选的样本无法代表整体群体的风险。可能刚好在 1,000 张“正常”的发票中，你偏偏挑中了那 5 张“有问题”的。
比喻：你喝了一口汤，刚好喝到一块还没化开的巨大盐块。你以为整锅汤都太咸了，但其实它没问题！

2. 非抽样风险：指因为与抽样规模无关的其他原因而得出错误结论的风险。这通常是因为人为错误——比如使用了错误的程序或误解了审计证据。
比喻：你尝了汤，但你因为感冒了根本尝不出味道！

记忆法：两类抽样错误

CPA 考试非常喜欢考这两种风险。请试着从效率 (Efficiency，做得太多) 与效果 (Effectiveness，未能发现问题) 的角度去思考。

针对控制测试 (Tests of Controls)：
- 评估控制风险过高 (Risk of Assessing Control Risk Too High / Alpha Risk)：你认为控制无效，但它们其实是有效的。结果：你做了太多额外工作（效率低）。
- 评估控制风险过低 (Risk of Assessing Control Risk Too Low / Beta Risk)：你认为控制有效，但它们其实是无效的。结果：你做的工作不足，可能会遗漏重大错误（效果低——非常危险！）。

针对实质性测试 (Substantive Testing)：
- 不正确拒绝风险 (Risk of Incorrect Rejection)：你认为余额是错的，但其实它是对的。（效率问题）。
- 不正确接受风险 (Risk of Incorrect Acceptance)：你认为余额是对的，但其实它是错的。（效果问题——非常危险！）。

快速回顾：审计师最害怕的是评估控制风险过低和不正确接受风险，因为这会导致审计质量的“失败”。


2. 统计抽样与非统计抽样

抽样有两种主要“流派”。根据 GAAS（公认审计准则），两者皆被允许。

统计抽样 (Statistical Sampling)：运用概率法则来衡量风险。它能协助你计算精确的样本量，并通过数学方式评估结果。
优点：提供了一种衡量“抽样风险”的客观方法。

非统计抽样 (Non-Statistical Sampling)：利用审计师的专业判断 (Professional Judgment) 来挑选项目并评估结果。
注意：你仍然需要确保样本具有代表性，但你不会使用数学公式来证明其合理性。

避免常见误区：

学生常误以为统计抽样比较“好”。其实不然！两者在审计准则下具有同等效力。选择哪种方式取决于审计师的判断，以及使用复杂数学方法的成本效益分析。


3. 属性抽样 (Attribute Sampling，用于测试控制)

当我们寻找的是“是/否”特征时，我们使用属性抽样。例如：“经理是否有签署这张采购订单？”我们不看金额，我们看的是签署这个属性。

决定样本量的关键因素：

1. 可容忍偏差率 (Tolerable Deviation Rate)：在判断控制失效之前，你愿意“容忍”多少错误？（如果你要求严格，这个数字就会设得很低）。
2. 预期偏差率 (Expected Deviation Rate)：你“预期”会发现多少错误？
3. 可接受的评估控制风险过低风险：你愿意承担多少出错的风险？（信心程度越高 = 风险越低）。

评估结果：

测试样本后，你需要计算样本偏差率 (Sample Deviation Rate)（\( \frac{\text{错误数量}}{\text{样本总量}} \)）。接着，加上一个称为抽样风险容许量 (Allowance for Sampling Risk) 的“安全边际”。

属性抽样的金科玉律：
样本偏差率 + 抽样风险容许量 = 上限偏差率 (Upper Deviation Rate)

比较你的上限偏差率与可容忍偏差率：
- 若上限偏差率 \(\le\) 可容忍偏差率：信赖该控制。
- 若上限偏差率 \(>\) 可容忍偏差率：不要信赖该控制。扩大测试范围或增加控制风险。


4. 变量抽样 (Variables Sampling，用于实质性测试)

属性抽样寻找的是“是/否”，而变量抽样关注的是金额 (Dollar Amounts)。当我们想确认账户余额（如应收账款）是否存在重大误报时，我们使用此方法。

三种常见方法：

1. 单位平均估计法 (Mean-Per-Unit, MPU Estimation)：
计算样本中项目的平均值，再乘以总体中的项目总数。
\((\text{样本平均价值}) \times (\text{项目总数}) = \text{预估总价值}\)

2. 比率估计法 (Ratio Estimation)：
利用样本中“审计价值”与“账面价值”的比率来推估整体。
\((\frac{\text{样本审计价值}}{\text{样本账面价值}}) \times \text{账面总价值} = \text{预估总价值}\)

3. 差额估计法 (Difference Estimation)：
计算样本中“真实审计价值”与“记录账面价值”之间的平均差异，然后将该差异投射到整个总体。


5. 货币单位抽样 (PPS Sampling)

这是一种在 CPA 考试中非常热门的混合方法。PPS 不直接挑选实体“发票”，而是将每一个货币单位（每一美元）视为一个抽样单位。

为何使用 PPS？
- 它会自动挑选金额较大的项目（因为 10,000 美元的发票有 10,000 次“被抽中”的机会，而 10 美元的发票只有 10 次）。
- 若预期错误较少，它通常比传统变量抽样更有效率。

在 PPS 中计算样本量：

你需要知道抽样间隔 (Sampling Interval)。
公式： \( \text{抽样间隔} = \frac{\text{可容忍误报}}{\text{信赖系数 (Reliability Factor)}} \)

样本量： \( \text{样本量} = \frac{\text{总体账面价值}}{\text{抽样间隔}} \)

PPS 评估：

当你在 PPS 中发现错误时，计算投射错误 (Projected Error)。
- 若该项目的账面价值“小于”间隔，使用“污染百分比 (Tainting %)”计算。
- 若该项目的账面价值“大于”间隔，投射错误即为发现的实际错误金额。

PPS 核心总结：它非常适合用来发现虚增 (Overstatements)（资产过高），但对于发现“少报”或“零余额”效果不佳（因为零余额根本没有被抽中的“机会”！）。


成功检查清单

在进入练习题之前，请确保你能回答以下问题：

- 属性抽样 = 控制测试（是/否）。
- 变量抽样 = 实质性测试（金额）。
- Beta 风险 = “可怕”的风险（效果问题）。
- Alpha 风险 = “多做工作”的风险（效率问题）。
- PPS = 专注于大金额项目；不适合零或负余额。

继续加油！你做得很好。抽样是那种一旦你开始理解公式如何与审计师“既要高效、又要安全”的目标相互作用后，就会瞬间“开窍”的课题。