1.单变量分析

根据政治腐败的中位数将观测值分为腐败组合和非腐败组进行单变量分析，结果如表1所示，腐败组的审计费用（ln(Audit Fees)）和审计投入（ln(Auditor Effort)）均显著高于非腐败组。

-表1- 单变量分析

2.主回归分析

表2显示了主回归结果，政治腐败（Convictions per 100k）的系数在5%的水平上显著为正，表明腐败程度越高，审计费用越高，与本文假设一致。这一关系同样具有重要的经济意义，总部所在地区腐败程度排在第75百分位的公司比排在第25百分位的公司多支付2.0%的费用。

-表2- 审计费用与政治腐败

为避免遗漏变量问题对研究结论的影响，文章首先参照Oster（2017）对不可观测变量的影响进行了测试。如表2所示，在包括所有控制变量后，政治腐败（Convictions per 100k）的系数由0.203转变为0.070，根据Oster（2017）的研究成果，仅有在不可观测变量的重要程度为可观测变量的重要程度的3.26倍时，政治腐败对审计费用不会产生影响。而Altonji等（2005）提出，可观测变量的重要程度可能高于不可观测变量，根据这一结论，不可观测变量不大可能对文章的研究结论产生影响。

除此之外，文章还通过加入变量进一步排除遗漏变量的影响。如表3所示，文章在第（1）列的模型中控制了行业固定效应、年度固定效应和州固定效应；在第（2）列的模型中控制了州-年度固定效应和行业-年度固定效应；在第（3）列的模型中控制了行业-州-年度固定效应，结果显示，政治腐败（Convictions per 100k）的系数均在5%的水平上显著为正。

-表3- 固定效应和经营加权政治腐败

为进一步证明主回归结论的稳健性，基于Campante和Do（2014）的研究，文章选取了州首府人口密度（Capital City Isolation）作为工具变量。州首府人口密度（Capital City Isolation）计算为该州所有个体到首府中心的距离之和，取值范围为0到1，值为1则代表着该州所有人口都分布在首府中心，值为0则代表着州首府处于孤立状态。表4显示了两阶段最小二乘的回归结果，第一阶段回归结果显示州首府人口密度（Capital City Isolation）在1%的水平上与政治腐败（Convictions per 100k）负相关且通过了Kleibergen-Paap弱识别检验，同时既有研究未能证明州首府人口密度如何影响审计费用，因此文章认为州首府人口密度是一项有效的工具变量。第二阶段回归结果显示，政治腐败（Convictions per 100k）的系数在10%的水平上显著为正，有力支持了文章的研究。

-表4- 两阶段最小二乘回归

考虑到可能存在公司有意将总部设立在腐败程度较高的地区，文章采用倾向匹配得分（PSM）进一步验证结论。文章将腐败程度高于中位数的观测值设置为对照组，低于中位数的观测值作为实验组，使用Probit模型估计倾向匹配得分，分别采用半径匹配，核匹配，局部线性匹配以及最邻近匹配进行匹配，结果如表5所示，平均干预效应均显著为正，支持腐败程度越高，审计费用越高这一结论。

-表5- 倾向匹配得分

腐败的地区审计费用越高

1.总部位于腐败地区的公司，审计投入更大

根据PCAOB的规定，审计师需要关注客户可能存在的非法和违规行为，而腐败地区发生违法行为的频率更高，因此文章预期公司所处地区政治腐败程度越高，审计师投入越多。参考Knechel等（2001）的研究，文章采用审计报告滞后天数的自然对数，即从公司的财政年度结束到审计师签署审计意见的日期之间的天数，来衡量审计投入，回归结果如表6所示，政治腐败（Convictions per 100k）的系数在5%的水平上显著为正，这一结果在改变控制变量后依旧成立，支持公司所处地区腐败程度越高，审计投入越多这一观点。

-表6- 审计投入与政治腐败

2. 总部设在腐败地区的企业内部控制较弱

内部控制是对公司的一种监督机制，经营环境的腐败渗透到企业文化中会使得管理层更有可能进行欺诈，有更强的动机减少对于内部控制的投资。为检验这一观点，文章构建了一项内部控制代理变量Weak Internal Control Indicator，若公司在t财年披露内部控制存在重大缺陷，变量取值为1，否则为0。回归结果如表7所示，政治腐败（Convictions per 100k）的回归系数显著为正，这一结果在调整控制变量后依旧成立，与公司在腐败环境中对内部控制投资不足这一观点一致。

-表7- 内部控制与政治腐败

3.总部位于腐败地区的企业行贿可能性更大

腐败会助长不道德的地方风气，管理层更有可能出于谋取特定利益对政府官员行贿。为检验二者之间的关系，文章从AAERS获得了有关国外贿赂的数据，并构建一项公司层面的变量AAER bribe sanction，若公司在样本期内被发现向外国官员行贿，该变量取值为1，否则为0。文章使用稀有事件的logistic模型进行回归，结果如表8所示，仅有在不包含控制变量的情况下，政治腐败（Convictions per 100k）的系数在10%的水平上显著为正，一定程度上说明了位于腐败地区的企业更有可能行贿。

-表8- 行贿与政治腐败

4.总部位于腐败地区的企业财务报表重述的可能性更大

既有文献提出，腐败会影响企业财务报表的质量。为检验这一观点，文章构建变量Restatement，若公司财政年度内存在由于财务欺诈，虚假陈述和违规行为导致的会计报表重述，变量取值为1，否则为0。表9展示了回归分析结果，政治腐败（Convictions per 100k）的系数在5%的水平上显著为正，这表明腐败增加了会计报表重报的可能性。这一关系同样具有经济意义，从样本的第25百分位到第75百分位，腐败程度的变化使会计报表重报的概率增加了35%。

-表9- 政治腐败与会计报表重述

5.总部位于腐败地区的企业股东诉讼的可能性

腐败带来的内部控制缺陷，会计报表重述可能性增加等问题可能会对股东的利益造成损害，增加股东诉讼的可能性；另一方面，公司行贿可能会使股东价值增加，股东本身也可能是行贿的支持者，此时股东诉讼的可能性较低。为检验腐败与诉讼的关系，文章构建变量Lawsuit，若公司被提出诉讼则取值为1，否则为0。回归结果见表10，政治腐败（Convictions per 100k）的系数均不显著，文章没有发现腐败与股东起诉公司的可能性有关的证据。

-表10- 政治腐败与股东诉讼

6.其他分析

文章对腐败与公司聘请高质量（即四大）审计师的可能性的关系进行了检验。一方面，高质量的审计机构可能会减轻腐败带来的不利影响。另一方面，公司可能会希望聘请低质量的审计师以逃避审查。多变量回归结果显示腐败程度的系数为负但并不显著，没有发现强有力的证据证明政治腐败在是否公司聘请四大会计师事务所的选择中发挥作用。

文章还使用公司治理的代理变量对内部控制的投资进行了额外的检验，结果显示回归系数在统计上均不显著，这一结果可能是由于文章选取的公司治理代理变量不能充分体现公司治理特征造成的。

基于Lyon and Maher （2005）的研究，文章将贿赂外国官员作为商业风险的代理，作为控制变量加入主回归，结果保持不变；同时控制贿赂（AAER bribe sanction）和内部控制（Weak Internal Control Indicator），政治腐败和审计费用的关系依旧显著。

部分观点认为，并非所有位于腐败地区的公司本身都是腐败的，审计机构可能基于公司的诚信收取不同的审计费用。为检验这一观点，文章首先分别以内部控制、财务报表重述、外国贿赂、股东诉讼以及现金持有量和杠杆作为因变量，政治腐败为自变量，包含控制变量进行回归，回归残差反映了与腐败无关的不可观测变量对因变量的影响。将六次回归的残差与政治腐败代理变量进行交互分别加入主回归中，结果显示对政治腐败的系数在统计上仍然显著，但交互项的系数均不显著。这一结果表明，审计费用增加部分是由与在腐败地区经营的公司打交道时的不确定性溢价带来的，随着腐败程度增加，其他不可观测因素带来的公司内部控制等方面的差异不会对审计费用造成显著影响。