MétaCan
Menu
Retour à la cohorte
Enregistrement W2108626185 · doi:10.1177/0148558x14544503

The Effect of Audit Experience on Audit Fees and Audit Quality

2014· article· en· W2108626185 sur OpenAlex
Steven F. Cahan, Jerry Sun

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Accounting Auditing & Finance · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésAuditAccountingQuality auditAudit evidenceBusinessJoint auditAccrualAudit planInformation technology auditWalk-through testChief audit executiveInternal auditPerformance auditCertificationEconomicsManagementEarnings

Résumé

récupéré en direct d'OpenAlex

Prior research on audit experience focuses on behavioral studies that are conducted by running experiments. Although these studies provide evidence on the role of experience in completing specific audit tasks, they do not shed light on how experience affects a complete audit engagement. We conduct an archival study to examine the effect of audit experience on audit fees and audit quality. Using unique data from China, where the signees of the audit report can be identified and linked with a government database containing personal information about certified public accountants, we find that experience is positively associated with audit fees and negatively associated with absolute discretionary accruals. Furthermore, we extend the research on personal characteristics of audit partners by considering the incremental effects of gender, education, engagement tenure, industry specialization, and client importance after controlling for overall audit experience. Overall, our results suggest that the auditors’ personal characteristics may serve as a signal of the level of care that will be exercised during the audit process. Our results also have implications for China’s recently announced regulation that would require localization of Big 4 offices in China.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,043
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,043
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,240
Écart entre enseignants0,233 · 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