中央审计委员会办公室、审计署在2021年6月发布的《“十四五”国家审计工作发展规划》中提出对审计监督体系加快构建集中统一、全面覆盖、权威高效的三大目标。其中，“用事实和数据说话”是维护审计监督的权威性和公信力的重要保障。大数据挖掘和分析可以从海量数据中抓取和提炼有用的信息，发现隐藏的数据关联，助力审计人员以数据重现事实，拓展审计工作的深度和广度，已逐渐成为学界研究的热点。当前实务界和学术界对数据分析在审计领域的探讨主要集中在基于相关大数据分析技术的理论研究、技术总结以及具体实践应用场景探索。然而，大数据分析能够提升审计工作质量和价值的前提，是审计人员能够正确使用新的理论方法和数据分析工具，需要使用者从技能上更是从思维上完成大数据分析的转化。因此，发展有关审计人员判断与决策的研究显得尤为重要，相关研究不仅可以帮助理解审计师是如何使用大数据审计证据的，也能发现其中的审计判断偏误促成更有效的审计职业判断。借助心理学和行为科学成熟的理论和实验研究方法，以研究审计人员“问题解决”能力为主要内容的判断与决策研究已经逐步成为国外审计研究的主流之一，相关研究成果亦对审计实践和多个国际审计准则的制定产生了实质影响。 本文重点梳理国外近年来与大数据分析和应用相关的审计实验研究成果，围绕审计人员在收集、分析以及解读相关审计证据时的行为问题，提出数个数据分析相关的行为审计研究方向以供讨论。 二、审计判断决策研究的概述 审计判断和决策（Judgment and decision making/JDM）研究聚焦于审计工作中履行独立经济监督活动职能主体——审计师，通常使用实验法对审计师的行为趋势进行研究，可视为狭义的行为审计范畴，其理论基础和研究范式主要源自认知心理学。通过模拟审计场景，观察、测量和分析实验参与人员在控制环境下的判断和决策，研究人员因此可以剥离分解在复杂商业环境中混杂变量的影响，单独研究某个或者某几个变量对审计师行为的影响，得出强而有力的因果关系结论。除此之外，实验研究也可通过构建一个现实中尚未实现的特定审计场景（如构建尚未执行新审计准则下可能出现的审计场景），观察审计人员的行为规律并发现审计判断偏误，实现审计事前研究。将实验研究和准则、法律法规实践相联系是JDM研究的一个热门方向，占国外审计JDM研究的60%以上。特别是当监管机构或者准则制定者有意修改准则之前，研究人员可以构造实验环境来模拟并验证准则修订对审计质量的影响，根据研究结果及时提供与准则相关的政策建议，具有很强的实践意义。 与国外行为审计研究成果相比，我国行为审计起步较晚，早期研究多停留在总结叙述上，虽然近年来在审计研究中使用实验法得到了越来越多的重视，但其研究问题多为审计结果披露对包括投资者在内的相关利益者影响，以及对审计师的影响，鲜少见聚焦于审计证据对审计师判断决策影响的实验研究。Simnett等收集了过去25年发表在国际会计主流刊物的审计JDM文章，发现有关审计环境变化因素对审计师判断和决策影响的研究在逐年增加。大数据以及数据分析技术的发展和应用是近年来审计环境中最大的变化之一，审计数据分析日益成为审计工作中必不可少的工具，相关的大数据审计证据也更多地在实践中得到采用。为应对越来越复杂的商业环境以及科技进步，国际审计与鉴证准则理事会（IAASB）已经于2016年开始征集意见修改ISA 500（审计证据），并预计于2024年完成该准则的修改。在此背景下，近年来国际期刊上涌现了一系列与大数据审计证据相关的文章，预示着一个新的研究契机和一个极具潜力的研究趋势。 三、大数据审计下审计证据和审计判断决策研究 围绕大数据审计下的审计证据，本文梳理了从收集到应用大数据审计证据做职业判断的各个阶段中，和审计师恰当使用大数据审计证据相关的心理和行为倾向影响因素（如图1），对现有文献做归纳总结及评论。 （一）大数据挖掘分析技术和审计判断决策 获取审计证据前审计师需要对相应的成本与获取信息的有用性进行权衡，因而，审计师对大数据审计证据价值的看法将影响是否获取该审计证据的决定。数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。其主要应用场景之一是在涉及的主观判断和估计事项中（如财务报表舞弊风险分析、持续经营能力评估、会计估计等），为审计人员的职业判断提供基于数据分析的支撑。当审计人员出于职业怀疑的谨慎态度延伸到数据分析技术，可能会使得审计人员因欠缺对相关数据分析技术了解，而对其解决审计问题能力和审计证据有用性持怀疑态度。即使算法建议的质量更高，审计人员也可能更倾向于熟悉的审计证据类型提供的信息，而不愿意采信计算机基于算法得出的建议，削弱审计职业怀疑。这种在涉及主观判断任务中人们对算法的回避态度，被称之为“算法厌恶（Algorithm aversion）”。Commerford等证实了审计人员在做职业判断时存在算法厌恶。170位来自四大会计师事务所的高级审计师参与了实验。当实验中与管理层声明相矛盾的证据分别来源于人工智能分析和专家时，审计人员对会计估算的调整存在明显差异，并且算法厌恶的现象在管理层对会计估算更客观的时候被放大。这表明当管理层声明更可信时，算法厌恶会造成审计人员职业怀疑的缺失，导致审计质量的下降。当前审计研究中少见对算法厌恶的研究，但心理学和管理学中已有不少对算法厌恶的研究成果。其中，Burton等总结了文献中关于算法厌恶产生的原因和干预方法。Ganbold等通过实验证明，将算法得出的财务建议以虚拟化人物的形式展示给投资者（实验参与人员）可以有效降低算法厌恶。审计行为研究人员可以借助其他学科对算法厌恶的研究成果，发现审计人员可能存在算法厌恶的场景、分析其原因并寻找干预方法。
