第三，建立回归模型并估计模型中的参数。承前述，回归模型应为：销售收入=A0+A1×平均气温+A2×啤酒市场发展程度+A3×销售费用变化程度+μ。根据公司的历史资料，利用Eviews经济计量分析软件，可求得回归方程为：销售收入=-5236001+370.7747×平均气温+0.757616×啤酒市场发展程度+2.348723×销售费用变化程度。
第四，将公司2005年的数据（气温20.46摄氏度，市场发展程度56197万元，销售费用变化额820万元）代入回归方程，即可预测出公司2005年7～12月的销售收入应为46852万元。由于公司2005年7～12月实际销售收入为47739万元，差异为-887万元，差异率为1.86%。
显然，公司实际确认的销售收入高于回归方程所预测的销售收入，这说明公司存在高估收入的可能性。在实际的审计过程中，为得到更准确的预测结果，审计人员可以引入更多的解释变量，也可以对公司主要品种的销售收入做单独的预测。但必须注意的是，管理人员对会计数据的操控也可能导致预测结果不准确，因此，审计人员应当尽量选取与销售收入相关但相对独立于管理层控制的数据为主要的解释变量（如水电气等公用事业数据等），而将管理层容易操控但与销售收入密切相关的数据作为辅助变量纳入到回归模型中。同时，在对销售收入科目的分析性复核过程中，审计入员也应当密切结合对行业、公司基本面和关联方交易的分析结果，以求得到客观允当的专业判断，合理降低自身所面临的审计风险。
