MétaCan
Menu
Retour à la cohorte
Enregistrement W2011712141 · doi:10.1506/vf1t-vrt0-5lb3-766m

Brand Name Audit Pricing, Industry Specialization, and Leadership Premiums post‐Big 8 and Big 6 Mergers*

2002· article· en· W2011712141 sur OpenAlexvenueno aff
Andrew Ferguson, Donald J. Stokes

Notice bibliographique

RevueContemporary Accounting Research · 2002
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAuditBusinessAccountingBig FourSample (material)Marketing

Résumé

récupéré en direct d'OpenAlex

Abstract This paper investigates brand name, industry specialization, and leadership audit pricing in the wake of the mergers that created the Big 6 and the Big 5 accounting firms. For samples of Australian listed public companies in each of the postmerger years 1990, 1992, 1994, and 1998, we estimate national audit fee premiums for the Big 6/5 auditors and the industry specialists and leaders. We find limited support for the ability of the Big 6/5 to obtain fee premiums over non‐Big 6/5 for those industries not having specialist auditors. Nonspecialist Big 6/5 auditors are able to obtain fee premiums over nonspecialist non‐Big 6/5 auditors for those industries having specialist auditors. However, this result only holds among the smaller half of our sample. We do not find strong support for the presence of industry specialist premiums in the postmerger years, especially after 1990, using various definitions of industry specialist. We find, at best, limited support for the presence of industry leadership premiums. The evidence suggests that after the Big 8/6 audit firm mergers, some caution is required in generalizing the Craswell, Francis, and Taylor 1995 finding of national market industry specialist premiums. More generally, the study raises questions about the tenuous link between the concept of specialization and national market‐share statistics.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,184
Tête enseignante GPT0,282
Écart entre enseignants0,098 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations270
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetCorporate Finance and GovernanceTravaux en français237 207