MétaCan
Menu
Retour à la cohorte
Enregistrement W2410767044 · doi:10.1111/1911-3846.12238

Audit Fee Differential, Audit Effort, and Litigation Risk: An Examination of <scp>ADR</scp> Firms

2016· article· en· W2410767044 sur OpenAlexvenueno aff
Scott N. Bronson, Aloke Ghosh, Chris E. Hogan

Notice bibliographique

RevueContemporary Accounting Research · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Kansas
Mots-clésAuditBusinessCross listingAccountingLitigation risk analysisListing (finance)FinanceCorporate governance

Résumé

récupéré en direct d'OpenAlex

Abstract Prior studies find that audit fees are higher for cross‐listed firms, and these studies primarily attribute the incremental fees to added litigation costs. In this study, we investigate whether the higher audit fees that foreign firms cross‐listed in the United States pay are also attributable to incremental audit effort associated with U.S. disclosure requirements and a more stringent U.S. auditing environment. By comparing audit fees of foreign cross‐listed firms to U.S. domiciled firms and to non‐cross‐listed foreign firms, we are able to decompose incremental audit fees into portions attributable to added audit effort and to added litigation costs. We find that, on average, foreign firms cross‐listed in the United States pay significantly higher fees than domestic U.S. firms and foreign firms that do not cross‐list. Furthermore, we find that audit effort is almost as important as litigation costs in explaining the higher fees associated with foreign cross‐listed firms; our estimates suggest that between 29 percent and 48 percent of the incremental fees are attributable to incremental audit effort. In addition, the total cross‐listing premium is increasing in the difference between the U.S. auditing regulatory environment and that of the home country of the cross‐listed firm. Our study improves our understanding of the role of audit effort in explaining the added fees charged by auditors when foreign firms cross‐list in the United States.

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)0,005
score de la tête « metaresearch » (Gemma)0,020
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,249
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,005
Science ouverte0,0010,001
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 Opus0,029
Tête enseignante GPT0,270
Écart entre enseignants0,241 · 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

Citations111
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207