近年来，国家出台一系列政策支持中小企业的发展，在经济新常态下释放出对于中小企业的重点关注信号。中小企业作为国民经济的活力之源，在促进就业、打破垄断、发展创新等方面发挥着无可替代的作用。但由于其处于成长阶段，企业内部未形成健全、科学的制度体系，企业内控机制不完善，导致财务数据质量问题成为了中小企业的发展壁垒，因此，对中小企业财务数据质量识别的研究刻不容缓。上市公司财务舞弊事件屡见不鲜，安然、银广夏、绿大地等国内外舞弊案例接踵而来，严重阻碍了市场的正常运行，沉重打击了投资者的信心。财务数据质量的有效识别有助于发挥相关监管部门的外部控制能力，提升第三方审计效率，保证国家政策红利的效用，重拾投资者的信心。
本文选取2007-2017年中小板企业财务数据作为研究对象，将Benford定律与数据挖掘技术相结合，建立中小板企业财务数据质量识别模型。首先利用拓展的Benford定律检验各财务指标数据的首三位数字，筛选出可能存在财务数据造假的“可疑财务指标池”，再依据与公司治理相关的国内外研究成果，挑选出15个财务指标及5个非财务指标作为自变量，从国泰安数据库“违规信息总表”中筛选出228个制造行业中小板企业的财务舞弊样本，并挑选出228个与之相同会计期间、相似公司规模的非舞弊样本作为对照，其中将2007-2015年314个样本数据作为训练集，训练得到二元Logistic回归财务数据质量识别模型，将2016-2017年142个样本数据作为测试集，测试模型的识别效果。最后将模型结果进行稳健性检验，提高研究结果的可靠性。
研究结果显示，模型的识别效果较好，增加Benford定律的前置检验有助于在保证模型整体识别准确率的同时降低舞弊样本的误判率。研究表明，“资产负债率”、“总资产净利润率”与“短期借款占比”这三个指标对财务数据质量识别有显著作用。其中“总资产净利润率”对财务舞弊发生有负向作用，即总资产净利润率越大，存在财务数据质量问题的可能性越小；而“资产负债率”与“短期借款占比”　对财务舞弊发生有正向作用，资产负债率与短期借款占比越大，财务数据的质量越低。