MétaCan
Menu
Retour à la cohorte
Enregistrement W2509095586 · doi:10.1177/0148558x16665701

Auditor Tenure and Quality of Financial Reporting

2016· article· en· W2509095586 sur OpenAlexaff
Ling Chu, Jie Dai, Ping Zhang

Notice bibliographique

RevueJournal of Accounting Auditing & Finance · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of TorontoSaint Mary's UniversityWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésProxy (statistics)AuditAccrualBusinessAccountingQuality auditEarningsEarnings qualityLitigation risk analysisQuality (philosophy)Earnings managementEmpirical evidenceActuarial scienceStatistics

Résumé

récupéré en direct d'OpenAlex

Prior studies in general suggest a positive association between auditor tenure (the length of an auditor–firm relationship) and reporting quality (the informational content of reported earnings). In this study, we present evidence that the association is reversed when clients represent increased litigation risks to their auditors. Featuring downward biases in reported earnings as a measure of reporting quality that stem from auditors’ minimization of costs from potential audit errors, we argue that the magnitude of such downward bias decreases in auditors’ experiences with their clients (tenure improves reporting quality). Furthermore, we predict that longer auditor tenure is associated with larger downward bias for firms with increased audit risks (tenure impairs reporting quality). Using non-operating accruals as proxy for downward bias in reported earnings, we find robust empirical evidence in support of our prediction.

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)0,109
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 enseignants0,341
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,109
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,250
Écart entre enseignants0,232 · 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

Citations22
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Accounting Auditing & FinanceMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207