利用公式（5）和表1数据计算的本文模型相关系数r=0.747,该系数越高，说明模型的预测质量越高，根据经验一般高于0.5就表明模型质量相当好了，本文模型的相关系数是0.747,表明我们估计的回归模型完全能够用于预测预期值。利用公式（6）和表1数据计算的标准误差 =2.41,标准误差是反映数据资料离散程度的一个指标，该值越小越好。在审计中判断标准误差是否合适，一般是和审计人员确定的重要性水平或可容忍误差进行比较，如果标准误差不超过可容忍误差水平的1/2,则说明回归模型完全可以满足审计预测的要求；如果标准误差超过可容忍误差水平的1/2,则模型将无法区别预测值与账面记录值之间的差额是随机误差项还是会计错报。因此，模型就无法使用，则只能运用其他分析方法。本案例中没有审计人员估计的可容忍误差，因此无法利用标准误差判断模型的适用性。
（六）估计预期值，确定严重偏离的波动 质量评估合格后，就可以根据当期的相关数据利用模型估计预期值，只要将任何值的x代入模型，就能够得出销售成本的预测值，并能够计算出残差值和标准差作为确定严重偏离的波动的依据。上例是根据2005年度工时数据和模型公式（4）估计的销售成本预期值（见表2）.
通过回归估计的预期值一般不会等于账面记录值，需要计算预期值与账面记录的实际值的差额，并确定该差额是否属严重偏离的波动。从表2的第五列可以看出，11月和1月差额分别是14.98和3.28,是最大的差额，其是否属于严重偏离的波动还无法确定，需要借助标准离差指标进行判断。
回归分析法其中一个优点就是能够科学地判断预期值与记录值之间的差额是随机误差项还是会计错报，标准离差是用来判断数据是否属异常值的指标。例如，根据统计法则，大约95%的随机离差会在标准离差值1.96的范围之内，在此范围内的一般不会是会计错报而是随机误差项；按统计法则，标准离差值为3的范围内几乎包括全部的随机离差，而标准离差值如果大于3则是异常值。我们从表2第六列可以看出，11月份的标准离差为6.22,远远超过3,属于异常值，是错报的可能性非常大，是审计人员需要进一步审计调查的重点，而1月份的残差尽管较大，但是其标准离差属于正常范围，是随机误差而不可能是错报，不属于严重偏离的波动。尽管回归分析模型能够向审计人员提供异常值的信号，但是最终还需要审计人员去审计调查将异常的原因搞清楚。
虽然回归分析法既能够为审计人员准确估计预测值，又能够科学的确定严重偏离的波动，减少了传统分析法判断过度主观性。但是，它作为一种高级统计技术的复杂分析，在应用时应防止出现异方差和防止出现自相关。回归分析模型的假设之一是随机误差项具有相同的方差，如果方差不相同，称为异方差，异方差会导致模型的预测结果出现偏误；而自相关是指回归模型的随机误差项之间存在着相关关系，自相关关系会导致模型的预测结果出现偏误。对于以上问题，一般的回归软件中都会有检验程序，如果存在上述问题，程序将自动显示并提供修正补救的措施。
回归分析法为审计人员进行分析、评估审计风险提供了强大的分析功能，只要注意运用的条件，防止出现异方差和自相关等问题，运用得当就能够大大提高审计的效率和效果。此外，还有利于提高审计程序的标准化，降低审计人员法律责任风险，这也是国际"四大"一贯推行标准化、广泛采用统计技术的主要原因之一。我国审计人员较少使用统计分析技术，过多地依赖审计人员的经验判断，其原因既有观念的问题，也有审计人员统计知识匮乏、软件缺乏等问题。2006年颁布的新准则，推荐使用的现代统计技术方法很多，这需要我国审计人员转变观念、更新知识，逐渐熟悉并使用这些现代审计技术，从而有利于提高我国的审计质量。
