Production Efficiency and the Pricing of Audit Services*
Notice bibliographique
Résumé
Abstract In this paper, we examine the relative efficiency of audit production by one of the then Big 6 public accounting firms for a sample of 247 geographically dispersed audits of U.S. companies performed in 1989. To test the relative efficiency of audit production, we use both stochastic frontier estimation (SFE) and data envelopment analysis (DEA). A feature of our research is that we also test whether any apparent inefficiencies in production, identified using SFE and DEA, are correlated with audit pricing. That is, do apparent inefficiencies cause the public accounting firm to reduce its unit price (billing rate) per hour of labor utilized on an engagement? With respect to results, we do not find any evidence of relative (within‐sample) inefficiencies in the use of partner, manager, senior, or staff labor hours using SFE. This suggests that the SFE model may not be sufficiently powerful to detect inefficiencies, even with our reasonably large sample size. However, we do find apparent inefficiencies using the DEA model. Audits range from about 74 percent to 100 percent relative efficiency in production, while the average audit is produced at about an 88 percent efficiency level, relative to the most efficient audits in the sample. Moreover, the inefficiencies identified using DEA are correlated with the firm's realization rate. That is, average billing rates per hour fall as the amount of inefficiency increases. Our results suggest that there are moderate inefficiencies in the production of many of the subject public accounting firm's audits, and that such inefficiencies are economically costly to the firm.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».