MétaCan
Menu
Retour à la cohorte
Enregistrement W2118190503 · doi:10.5539/ass.v9n9p243

The Effect of Audit Firm Size on Independent Auditor’s Opinion: Conceptual Framework

2013· article· en· W2118190503 sur OpenAlexvenueno aff
Seyedhossein Naslmosavi, Saudah Sofian, Maisarah Mohamed Saat

Notice bibliographique

RevueAsian Social Science · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingAuditor's reportBusinessAuditGoing concernCompetence (human resources)Auditor independenceAffect (linguistics)Human capitalQuality auditQuality (philosophy)External auditorVariablesJoint auditInternal auditEconomicsPsychologyManagement

Résumé

récupéré en direct d'OpenAlex

Independent auditor’s opinion enhances the confidence of investors in the reporting system and leads to an increased in capital markets efficiency. Thus, the effectiveness and quality of opinion developed by the auditor about the financial statements is significantly important, because financial statements should be reliable, useful and relevant for investors and creditors. A significant issue frequently raised in the accounting literature is whether judgments of auditors from large firms vary substantially from those of auditors employed by other firms. Then past researchers attempted to find the relationship between the size of company and auditor’s opinion and its quality. Review on the literature revealed that the size of firm can not affect auditor’s opinion but this survey found that some factors such as experience, education, skills and employee competence may have influence on quality of auditors and their opinion. This paper has categorized these views under special category of capital known as human capital. Thus, the study anticipates improvement in the relationship between audit firm’s size and independent auditor’s opinion by introducing human capital as a mediator variable.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,713
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,007
Tête enseignante GPT0,238
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

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

Citations19
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207