| Abstract: | Abstract. A newly issued AICPA auditing standard focuses attention on analytical procedures. Regression analysis has been shown to be a useful audit tool and is used to a limited extent in practice. This study compares a univariate regression-based decision rule with that of exponential smoothing. The effect on the regression-based decision method when additional input information is included to develop a multivariate model is also evaluated. Comparisons are accomplished by seeding various error patterns into the audit period data and evaluating the results of the various models. The results indicate that the regression-based decision model was at least as efficient and effective as the exponential smoothing-based model. Additional input information into the univariate regression model to develop a multivariate model did improve auditor decisions for some types of accounts but did not significantly affect the number of incorrect rejections and/or acceptances for other types. The multivariate model did improve the achieved precision of the univariate model but still did not reach desired levels. Résumé. Dans un Auditing Standards Procedures qu'il publiait récemment, l'AICPA se penche sur les procédés analytiques. L'analyse de régression s'est révélée un instrument de vérification utile et son emploi dans la pratique est modéré, Les auteurs comparent une règle de décision fondée sur une régression comportant une seule variable aléatoire avec celle du lissage exponentiel. L'incidence d'un supplément d'information à l'entrée sur la méthode de décision fondée sur la régression permet de mettre au point un modèle à plusieurs variables aléatoires, que les auteurs évaluent également. Les comparaisons sont réalisées en introduisant divers scénarios d'erreur dans les données de la période soumise à la vérification. Les résultats de l'étude indiquent que le modèle de décision fondé sur la régression est au moins aussi efficient et efficace que le modèle fondé sur le lissage exponentiel. L'introduction d'un supplément d'information dans le modèle de régression à une seule variable aléatoire de manière à créer un modèle à plusieurs variables aléatoires a de fait amélioré les décisions du vérificateur pour certains types de comptes, mais n'a pas eu d'incidence significative sur le nombre d'erreurs de première et de seconde espèces pour d'autres types de comptes. La performance du modèle à plusieurs variables aléatoires est de fait supérieure à celle du modèle à une seule variable aléatoire, sans toutefois permettre d'obtenir les niveaux de précision souhaités. |
