網路城邦
上一篇 回創作列表 下一篇   字體:
在數字的海洋捕捉微光-抽樣哲學
2026/08/09 13:18:59瀏覽15|回應0|推薦0

查核從來不是一場窮盡萬物的搜查,而是一段在有限時間裡,與不確定性溫柔共處的旅程。面對企業年復一年繁星般龐雜的交易,倘若要求每一筆憑證都留下足跡,不僅會耗盡彼此,更會讓查核本身失去了意義。

​於是,審計抽樣油然而生。它是統計理性的結晶,卻深嵌著人性的克制與妥協。當查核人員遞出樣本,內心深處總在理性與不安之間擺盪—抽得太少,暗自擔心那一筆漏掉的錯誤會釀成大禍;抽得太多,又在無盡的核對裡吞噬了效率。我們試圖用嚴密的機率與邏輯築起防線,但同時也明白,無論統計模型多麼精準,終究擋不住人為疏忽的一瞬失神。

​抽樣,正是這種在「完美」與「可行」之間尋求平衡的藝術。它讓我學會用部分的觀察,去凝視整體的全貌。接下來,讓我卸下冰冷的公報條文,一起走進這些抽樣方法背後的邏輯與優缺點,看看如何在數字的海洋裡,找到那份優雅而謹慎的秩序。

審計抽樣(TWSA530)

審計準則530號(抽樣風險、非抽樣風險、選樣方法、屬性抽樣、PPS、傳統變量抽樣)|114年2月發布、114年4月起實施
案例設定

受查者:星河宇宙科技股份有限公司(X年度查核)

查核員:小綠洲|資深查核員:大綠洲|主辦會計師:琳綠洲

一、抽樣風險與非抽樣風險

觀念比喻
小綠洲不可能把星河宇宙科技的每一筆交易都翻過一遍,只能抽樣本來查,用樣本結果推論母體。但推論就有失準的可能,這種失準分成「跟抽樣方法有關」跟「跟抽樣方法無關」兩種,前者是抽樣風險,後者是非抽樣風險白話解說:抽樣風險
簡單講,抽樣風險就是「運氣不好,剛好抽到不具代表性的樣本」的風險。就算小綠洲每一步都做對,抽樣方法也完全正確,光憑抽出來的這幾筆樣本,還是有可能跟母體的真實狀況不一樣—這是統計抽樣天生的宿命,不是誰的錯。這種「運氣不好」又分兩種情況:
  • 危險的那種:星河宇宙科技帳上其實有重大問題,但小綠洲抽到的樣本剛好都很乾淨,讓小綠洲誤以為沒事、放行了問題帳目。這是最嚴重的,因為查核意見可能因此出錯,小綠洲要最提防這種情況。
  • 不那麼危險但麻煩的那種:帳其實沒問題,但小綠洲抽到的樣本剛好有幾筆看起來怪怪的,讓小綠洲誤以為有重大問題,結果多花時間去追查根本不存在的錯誤。這種頂多是浪費時間,不會讓查核意見出錯。
人話解說:非抽樣風險
非抽樣風險就是「跟抽樣本身沒關係、是人為疏失造成的風險」。就算小綠洲抽到的樣本100%具有代表性,如果小綠洲自己查核程序做錯、看錯證據、或根本沒發現樣本裡明明存在的問題,一樣會得出錯誤結論。這種錯不是抽樣方法的鍋,而是小綠洲自己執行面的失誤,例如:函證回函看漏了金額不對、把有問題的憑證誤判為正常、用錯查核程序去測試錯誤的聲明等等。
定義(TWSA530§4)
  1. 抽樣風險:查核人員對樣本執行查核程序所作成之結論,與若對母體執行相同查核程序將作成之結論,可能不同之風險。可能導致二種類型之錯誤結論:①以控制測試而言,作出控制較其實際有效之結論;或以細項測試而言,於事實上母體存有重大不實表達時,作成未存有重大不實表達之結論(查核人員主要著重,因其影響查核之有效性且較可能導致不適當之查核意見);②作出該等控制較其實際無效之結論;或於事實上母體未存有重大不實表達時,作成存有重大不實表達之結論(影響查核效率,因其通常會導致額外工作以確定初步結論係屬錯誤)
  2. 非抽樣風險:查核人員因任何與抽樣風險無關之原因而作成錯誤結論之風險。例舉包括使用不適當之查核程序、錯誤解讀查核證據,以及未能辨認出不實表達或偏差

    三、屬性抽樣

    定義
    屬性抽樣係指推論母體中有某種特性的抽樣程序,讓查核人員能估計母體中偏差發生的頻率(次數)的抽樣方法,用來推論在特定期間內內部控制未被遵循(失控)的情形。通常屬性抽樣較適用在有書面審計軌跡的情況。
    人話說明整體邏輯
    屬性抽樣不是在算「金額」,而是在算「次數」或「比率」:小綠洲想知道星河宇宙科技某項內控(例如「驗收單要跟發票核對」)到底有沒有被確實遵守,就抽一批樣本,數一數裡面有幾筆「沒遵守」,算出樣本偏差率,再用這個比率去推論整個母體大概偏差多少。

    影響樣本量之四項因素

    ① 可接受的過度信賴風險(負相關)

    人話說明
    這是小綠洲願意承擔「明明控制沒那麼有效、卻誤以為它有效」的風險有多大。如果小綠洲要求自己犯這種錯的機率要壓得很低(可接受的過度信賴風險設得很小),代表小綠洲對自己判斷的把關要求很嚴格,就得抽更多樣本才能有信心;反過來如果小綠洲可以容忍比較高的過度信賴風險,代表比較願意冒險相信控制有效,樣本量就可以少一點。
    優點(風險設低)
    查核結論的可信度較高,比較不會誤信一個實際上失控的內控。
    缺點(風險設低)
    樣本量要拉大,查核時間與成本增加。
    簡例①
    小綠洲對星河宇宙科技的請款簽核控制要求極嚴格,把過度信賴風險設為5%(很低),結果樣本量要抽到103筆才夠。
    簡例②
    若這項控制不是特別重大,小綠洲把過度信賴風險放寬到10%,樣本量可能只需要抽60幾筆就夠了。

    ② 最大可容忍偏差率(負相關)

    白話說明
    這是小綠洲願意接受這項控制「最多可以錯到什麼程度,還算堪用」的門檻。門檻設得越低(越嚴格),代表小綠洲對這項控制的容錯空間很小,必須抽更多樣本才能精準判斷母體有沒有超標;門檻設得越寬鬆,樣本量就可以縮小。
    優點(門檻設低)
    能更早、更精確地抓出控制失效的跡象,適合用在特別重要、不容出錯的控制上。
    缺點(門檻設低)
    樣本量須大幅增加,查核成本上升。
    簡例①
    星河宇宙科技的付款授權控制若牽涉資金安全,小綠洲把可容忍偏差率設得很嚴,只能6%,樣本量要抽103筆。
    簡例②
    相對不那麼重要的請購簽核控制,小綠洲把可容忍偏差率放寬到9%,樣本量只要51筆。

    ③ 預期母體偏差率(正相關)

    白話說明
    這是小綠洲「事先猜測」母體本來就會有多少比率出錯。如果小綠洲根據過去經驗、初步了解,猜測星河宇宙科技這項控制本來就比較常出包(預期偏差率高),要抽更多樣本才能準確估出真正的偏差率;如果預期母體幾乎不會出錯,樣本量就可以少一點。
    優點(預期偏差率評估準確)
    樣本設計更貼近實際情況,抽樣結果更可靠。
    缺點(預期偏差率偏高時)
    樣本量必須擴大,且若預期偏差率過高到不合理,查核人員甚至會直接放棄執行控制測試、改用證實程序。
    簡例①
    小綠洲了解星河宇宙科技去年這項控制曾出過幾次包,預期偏差率抓1.5%(偏高一點),樣本量抽到103筆。
    簡例②
    如果小綠洲認為這項控制歷年都運作良好,預期偏差率只抓0.5%,樣本量就可以縮小許多。

    ④ 母體大小(正相關,但影響最不重要)

    白話說明
    母體項目越多,理論上樣本量會稍微增加,但這個影響非常小,尤其母體很大的時候幾乎可以忽略。也就是說,不管星河宇宙科技這項交易有1,000筆還是10萬筆,抽樣所需的樣本量差異不大,重點還是看前面三項因素。
    優點
    不需要因為母體很龐大就大幅增加樣本量,抽樣效率高。
    缺點
    若母體本身很小,用抽樣方式反而可能不如直接全查有效率。
    簡例①
    星河宇宙科技存貨明細有1,000筆與10,000筆兩種情境,其他條件相同時,樣本量差異很小,可能只差個位數。
    簡例②
    但如果母體只有30筆(例如某個特殊子公司的關係人交易),這時候小綠洲可能乾脆全部檢查,不採用抽樣。
    整理:影響樣本量之因素(正/負相關)
    因素與樣本量的關係
    可接受的過度信賴風險負相關
    最大可容忍偏差率負相關
    預期母體偏差率正相關
    母體大小(最不重要)正相關
    綜合簡例
    小綠洲測試「驗收報告與廠商發票之品名及數量一致」這項控制,可容忍偏差率6%、預期母體偏差率1.5%,查表得樣本量103,實際抽100筆、發現1筆偏差,樣本偏差率=1/100=1%,查偏差上限表得偏差上限4.7%。因為可容忍偏差率6%>偏差上限4.7%,樣本結果支持原訂之控制風險。

    四、機率與大小成比例抽樣(PPS)

    PPS是怎麼抽的?人話說明
    PPS的核心邏輯是把母體看成一長串連續排列的貨幣單位,而不是一筆一筆的明細帳。想像把星河宇宙科技應收帳款所有客戶餘額,依照金額大小首尾相接排成一條數線,總長度就是母體總金額。接著用系統抽樣的方式,每隔固定金額(選樣區間)抽一個「點」,這個點落在哪個客戶的餘額區段內,那整筆客戶餘額就被抽中。因為金額越大的客戶餘額,佔的數線長度越長,被抽中的機率也越高,這就是「機率與大小成比例」的由來。
    優點
    自動把查核資源集中到金額大、風險高的項目,特別適合抓「高估」這種問題(因為金額被灌水的項目,佔的數線區段也會變長,更容易被抽中);不需要知道母體變異性、邏輯抽樣單位數。
    缺點
    不適合用在預期會有很多不實表達、或同時有高估低估情況的母體,因為每個抽樣單位金額為0或負數的項目無法正常納入抽樣。
    PPS各項因素名詞解釋+白話說明
    1. 不當接受風險(β風險):小綠洲誤信母體沒有重大不實表達、但其實有的風險。風險設越低,樣本量越大(反向)
    2. 最大可容忍不實表達(TM):小綠洲能接受這個科目最多錯多少金額還算過關的門檻。門檻越低,樣本量越大(反向)
    3. 預期母體不實表達(EM):小綠洲事先猜測這個科目大概會錯多少錢。猜測金額越高,樣本量越大(正向),因為要更精確估計。
    4. 帳面金額元額(BV):受查科目的帳面總金額。金額越大,樣本量越大(正向),因為母體規模變大了。
    5. 波式風險因子(RF):根據信賴水準查表得到的統計係數。數值越大,樣本量越大(正向)
    6. 擴張因子(EF):用來把預期不實表達放大的安全係數。數值越大,樣本量越大(正向)
    簡例①
    應收帳款期末帳面值$3,200,000,可容忍誤差$270,000,預期誤差$18,750,擴張因子1.6,信賴因子3。
    樣本量 n=BV×RF(0,β) ÷ [TM-(EM×EF)] = $3,200,000×3 ÷ [$270,000-($18,750×1.6)] = 40。
    選樣區間=母體 ÷ 樣本量=$3,200,000÷40=$80,000。
    簡例②
    如果星河宇宙科技的應收帳款這次改成帳面金額只有$1,600,000(其他條件不變),母體變小,計算出來的樣本量也會等比例縮小,說明PPS的樣本量跟帳面金額(BV)是正向關係。

    五、傳統變量抽樣:三種估計法

    白話總覽
    跟PPS不同,傳統變量抽樣是把每一筆明細帳(而不是貨幣單位)當作抽樣單位,抽出一批樣本後,用統計公式把樣本結果推估回整個母體。三種估計法的差別在於「用什麼當推估的基礎」。

    (一)差額估計法(Difference Estimation)

    白話說明
    xi為查核數與帳面金額的差額(也就是每筆帳的錯誤金額)。小綠洲先算出樣本裡每筆帳平均錯多少錢,再乘以母體總筆數,推估出整個母體大概錯了多少錢。
    優點
    直觀好理解,適合每筆明細帳錯誤金額差不多大的情況,估計效率高。
    缺點
    若預期不實表達金額很小或為0,差額趨近於0,SD(xi)也會趨近於0,公式會失真,不適用
    簡例①
    正來公司應付帳款由14,400個明細帳戶組成,帳列合計$18,000,000;抽出720個帳戶查核,總查核值$900,000,樣本總帳面值$874,080。
    平均錯誤=($900,000-$874,080)÷720=$36(低計)
    預計總錯誤=$36×14,400=$518,400(低計)
    預計帳上金額=$18,000,000+$518,400=$18,518,400
    簡例②
    星河宇宙科技存貨明細若每筆都大概少計200元(金額相近),抽樣100筆平均錯誤200元,母體5,000筆,推估總錯誤就是200×5,000=$1,000,000,適合用差額估計法,因為每筆錯誤金額很一致。

    (二)比例估計法(Ratio Estimation)

    白話說明
    xi錯誤率(查核數與帳面金額的比值),小綠洲先算出樣本的平均錯誤率,再乘上母體帳面總金額,推估母體錯誤金額。
    優點
    適合每筆明細帳錯誤金額與帳面金額成比例(例如都低估5%)的情況,比差額估計法更貼合這種型態的誤差。
    缺點
    若預期不實表達金額很小,錯誤率也會趨近於0,SD(xi)同樣會失真,不適用
    簡例①
    星河宇宙科技的存貨若因為統一少計了某個加工費用比例,每筆存貨都固定低估5%,這種「跟帳面金額成一定比例」的誤差型態,用比例估計法會比差額估計法更準確。
    簡例②
    抽樣100筆存貨,樣本帳面總額$500,000、查核總額$475,000,錯誤率=($500,000-$475,000)÷$500,000=5%,母體帳面總額$8,000,000,推估母體錯誤金額=$8,000,000×5%=$400,000。

    (三)單位平均估計法(Mean-per-Unit Estimation)

    白話說明
    直接用樣本查核數的平均值(不看帳面金額)乘以母體筆數,推估母體查核數,是三種方法中唯一在帳面金額(BV)未知時仍適用的方法。
    優點
    不需要知道母體帳面金額就能推估,適用範圍最廣,對母體資訊要求最低。
    缺點
    沒有利用帳面金額作為輔助資訊,通常估計效率(精確度)比差額估計法、比例估計法差,需要較大樣本量才能達到同樣精確度。
    簡例①
    星河宇宙科技某個新設立的海外子公司,帳務系統剛換過、帳面金額暫時不可靠,小綠洲抽80筆存貨直接查核實際數量與市價,算出樣本平均查核值後乘以母體筆數,直接推估母體查核總值,不依賴帳面金額。
    簡例②
    抽樣50筆應收帳款直接查核實際可收回金額,樣本平均查核值$9,200,母體共600筆帳戶,推估母體查核總值=$9,200×600=$5,520,000。
    PPS與傳統變量抽樣之比較(資訊可取得程度)
    抽樣情形PPS差額估計法比例估計法單位平均估計法
    母體帳面金額BV未知
    邏輯抽樣單位數N未知
    母體變異性SD(xi)未知
    預期沒有或很少不實表達

    六、板書式申論

    牛刀小試(一)|依據審計準則530號「審計抽樣」,查核人員採用抽樣方式執行內部控制之控制測試及證實測試時,其抽樣風險包括那些?這些風險對查核人員可能產生那些影響?何謂非抽樣風險?
    【107高考審計】
    1. 抽樣風險:查核人員對樣本執行查核程序所作成之結論,與若對母體執行相同查核程序將作成之結論,可能不同之風險。抽樣風險可能導致二種類型之錯誤結論:①以控制測試而言,作出控制較其實際有效之結論;或以細項測試而言,於事實上母體存有重大不實表達時,作成未存有重大不實表達之結論。查核人員主要著重於此類型之錯誤結論,因其影響查核之有效性且較可能導致不適當之查核意見。②以控制測試而言,作出該等控制較其實際無效之結論;或以細項測試而言,於事實上母體未存有重大不實表達時,作成存有重大不實表達之結論。此類型之錯誤結論影響查核效率,因其通常會導致額外工作以確定初步結論係屬錯誤
    2. 非抽樣風險:查核人員因任何與抽樣風險無關之原因而作成錯誤結論之風險。
    結論:抽樣風險依錯誤結論性質分成「影響查核有效性」與「影響查核效率」兩種,前者是查核人員最需防範的類型;非抽樣風險則來自抽樣以外的人為疏失,兩者性質完全不同。
    牛刀小試(二)|審計抽樣有許多相關的風險,且有多種抽樣方法可供選擇。請說明審計選取樣本方法中的「隨機選樣」與「系統選樣」。
    【105原民四等】【108高考會計】(現行TWSA530用語為「隨機抽樣」「系統抽樣」)
    1. 隨機抽樣:透過採用亂數產生器或亂數表執行抽樣。
    2. 系統抽樣:首先將母體之抽樣單位數量除以樣本量以取得一抽樣區間,接著,在前一區間內決定起點後,每隔固定區間選取一抽樣單位,直至所有樣本均抽出為止。儘管起點可能為隨意決定,惟若藉由使用電腦亂數產生器或亂數表決定起點,樣本更可能為真正地隨機。
    結論:隨機抽樣完全依賴亂數工具決定每一筆樣本;系統抽樣則是先算出固定區間、只需隨機決定一個起點,之後按固定間隔抽樣,效率較高但須留意母體排列是否具有規律性。
    牛刀小試(三)|查核人員執行控制測試以評估受查者控制風險時,常會使用屬性抽樣的方法進行測試。何謂屬性抽樣?影響樣本量的因素為何?並指出各個因素與樣本量的關係。
    【102地特三等】【109會計師】【106地特四等】

    屬性抽樣係指推論母體中有某種特性的抽樣程序,課查核人員能估計母體中偏差發生的頻率(次數)的抽樣方法,用來推論在特定期間內內部控制未被遵循(失控)的情形。通常屬性抽樣較適用在有書面審計軌跡的情況。

    因素與樣本量的關係
    可接受的過度信賴風險負相關
    最大可容忍偏差率負相關
    預期母體偏差率正相關
    母體大小(最不重要)正相關
    結論:可容忍偏差率、過度信賴風險設定越寬鬆(越大),樣本量越小;預期母體偏差率越高,樣本量須越大以確保估計準確;母體大小對樣本量影響最小。
    牛刀小試(四)|查核人員常採用機率與大小成比例(PPS)或以常態分配的傳統變量抽樣的方法執行證實程序,指出各個因素與樣本量的關係。
    【104高考審計】

    PPS(機率與大小成正比例抽樣法)決定因素:

    決定因素與樣本量間的關係
    不當接受風險(β風險)反向
    最大可容忍不實表達(TM)反向
    預期母體不實表達(EM)正向
    帳面金額元額(BV)正向
    波式風險因子(RF)正向
    擴張因子(EF)正向

    傳統變量抽樣決定因素:

    決定因素與樣本量間的關係
    母體規模(N)或帳面金額(BV)正向
    最大可容忍不實表達(TM)反向
    預期抽樣風險限額(TM-EM)反向
    母體標準差(SD(xi))正向
    不當接受風險(β風險)反向
    不當拒絕風險(α風險)反向
    結論:兩種方法中,可容忍不實表達(TM)與風險水準都與樣本量呈反向關係(要求越嚴格,樣本量越大);預期不實表達(EM)與母體變異程度則與樣本量呈正向關係。
    牛刀小試(五)|正來公司之應付帳款,由14,400個明細帳戶所組成,帳列金額合計為$18,000,000;查核人員依其專業判斷,選出720個明細帳戶進行查核,總查核值為$900,000,該樣本項目總帳面值加總數為$874,080。請問:依「差額估計法」(Difference estimation)推估母體,其金額為多少?
    【107高考一二級】
    1. 平均錯誤:($900,000-$874,080)÷720=$36(每單位低計)
    2. 預計總錯誤:$36×14,400=$518,400(低計)
    3. 預計帳上金額:$18,000,000+$518,400=$18,518,400
    結論:差額估計法先算出樣本每單位的平均錯誤金額,再乘以母體總單位數推估出母體層級的總錯誤,最後加回帳列金額得到推估的實際帳上金額。
( 知識學習商業管理 )
推薦文章 列印 加入我的文摘
上一篇 回創作列表 下一篇

引用
引用網址:https://classic-blog.udn.com/article/trackback.jsp?uid=ElimBK&aid=191997791