Production Efficiency and the Pricing of Audit Services*
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,063 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle