MétaCan
Menu
Retour à la cohorte
Enregistrement W2072445144 · doi:10.1108/02686901311282498

Auditor industry specialization, board governance, and earnings management

2012· article· en· W2072445144 sur OpenAlexaff
Jerry Sun, Guoping Liu

Notice bibliographique

RevueManagerial Auditing Journal · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensToronto Metropolitan UniversityUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésAccountingCorporate governanceBusinessAuditAuditor independenceEarnings managementAudit committeeEarnings qualityExternal auditorEarningsQuality auditInternal auditJoint auditFinanceAccrual

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this study is to investigate the interaction effect of auditor industry specialization and board governance on earnings management. This study examines whether board independence is more or less effective in constraining earnings management for firms audited by industry specialists than for firms audited by non‐specialists. Design/methodology/approach The US data were collected from the RiskMetrics Directors database and the Compustat database. Regression analysis was used to test the research proposition. Findings It was found that earnings management is more negatively associated with board independence for firms audited by industry specialists than for firms audited by non‐specialists, consistent with the notion that there is a complementary relationship between auditor industry specialization and board governance. The findings suggest a positive interaction effect of auditor industry specialization and board governance on accounting quality. Originality/value This study contributes to the literature by documenting explicit evidence that high quality boards can be more effective through hiring industry specialist auditors. This study also suggests that it may be worth investigating the interaction effect among different corporate governance mechanisms on accounting quality.

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)0,002
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,008
Tête enseignante GPT0,206
Écart entre enseignants0,198 · 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

Citations80
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagerial Auditing JournalMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207