住户收支日记账与企业财务记账有很多相似之处，两者都要求真实记录记账对象的一切收支活动。此外，住户日记账数据也是由不同来源的数据混合形成的，举例来说，工资性收入是工资、奖金、津贴、其他劳动获得收入之和，居住支出是房租、水电燃料、物业管理费等支出之和。由于真实财务数据的分布和Benford分布最为接近，因此，Benford定律在识别财务欺诈方面具有一定有效性，并为大量的审计实践所证实。在目前通行的逻辑检查的基础上，辅之以Benford定律分析住户收支日记账，对于提高收支日记账数据的准确性具有一定作用。Benford定律的应用属于分析性复核法，是基于统计学角度检测数字分布的内在数学规律，是对分析性复核方法的补充和完善。运用Benford定律来评估的数据量需要有一定规模，才能够代表全体样本，至少需要100个。有国内学者认为，样本量在10000以上的数据与Benford定律吻合很好，在1000~10000吻合较好，在200~1000差距较大，但也具有参考意义。总之，数据量足够大、样本量越大，结果越可靠。住户日记账数据就具有该特点，住户日记账中所记载的交易笔数繁多，样本量越大，分析的结果就越精确。

运用Benford定律进行数据评估，当计算结果不符合Benford定律的理论分布时，说明可能存在舞弊问题。在有些情况下，由于某些因素或规定可能导致有些数字会频繁出现，这也不符合Benford定律分布，这时需要剔除这些特殊数字，观察剩下数据的分布特点。当然，评估结果符合Benford定律，也并不意味着就一定不存在舞弊，特别是当数据量非常大时，如果舞弊数据出现次数不多，他们就会隐藏在大样本规律中，很难识别。在大样本的情况下，可以进行分层评估，如根据不同的季度甚至不同月份进行分层，也可以按照不同地域进行分层，这可以通过计算机编程很便捷地实现，但对于记账舞弊人员来说，使得每层的分布看起来都很合理的难度很大。此外，当数据量相当大的时候，运用Benford相关公式还可以计算出第2位数字、第3位数字出现的概率值，并与理论分布进行比较，从而捕捉到更多的舞弊线索。

用论文发表Benford定律来进行数据准确性分析多是事后评估，评价结果往往针对批量数据，可以是截面数据（比如一个省的），也可以是时序数据（如月度数据、季度数据、年度数据）。数据检测的结果如果不符合Benford定律的概率分布,说明可能存在舞弊的情形,如果条件允许，统计人员可以此为线索查找相关证据，为记账户管理提供有效的事前预测和事中控制信息。住户调查数据准确性评估完成之后，对于问题数据，如果时间允许，可以通过二次返单核实修改来实施补救，并在后续调查中将此类住户列为重点监控调查户，提高抽查和回访频率。鉴于日记账以月为一个记账周期，为提高补救的可能性，努力做到当日发生的账目当日记录，减少由于回忆或遗忘带来的错记和漏记。目前，我国住户调查中使用的数据采集方法包括账本手工记账、电脑记账以及手机记账等方式，其中的手工记账是主流。手工记账通过填写纸制账本的方式记录收支数据，调查员按月入户发放新账本，并收回记好的账本；电脑记账通过住户的用户名和密码登录网上记账系统，可以在家里或办公室实现实时记账；手机记账则是通过微信公众号和专属的APP来实现随时随地记账。考虑到数据采集的实时性和便捷性，在有条件的地域，应该着力推行电脑记账和手机记账，缩短记账时间，减少由于遗忘和遗漏带来的非抽样误差，努力做到对记账数据进行实时收集和监控。

对于通过Benford论文发表发现的问题数据还有另一个事后解决途径，即要充分发挥行政记录的作用，逐步建立统计部门、银行系统、税务系统和社保系统的数据共享机制，实现对住户收入数据的动态监控和审核，对于确实存在问题的收入数据可以采用行政记录同期的数据进行修正。此外，众多领域正在源源不断地产生海量的、即时的、非结构化的电子消费数据，为消费支出数据的准确性评估和修正提供了新思路。可逐步构建居民收支大数据平台，将银行系统之外具有支付功能的机构数据，如支付宝、微信、超市及商场的APP等，与住户消费行为关联起来，提升住户消费支出数据的准确性，对于确实存在问题的收入数据，可以采用同期的电子数据进行修正。