MétaCan
Menu
Retour à la cohorte
Enregistrement W2588567828 · doi:10.2308/accr-51703

The Effects of Auditor Affinity for Client and Perceived Client Pressure on Auditor Proposed Adjustments

2017· article· en· W2588567828 sur OpenAlexaff
Christopher Koch, Steven E. Salterio

Notice bibliographique

RevueThe Accounting Review · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésAuditAccountingConstraint (computer-aided design)PerceptionPsychologyBusinessReplicateStatistics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This paper examines how auditors' judgments about accounting policies may differ when experiencing different levels of affinity for client management and facing different levels of pressure from client management. The theory of motivated reasoning is employed to analyze the effects of these two factors that should lead individual auditors to adopt as a directional goal the acceptance of client management's aggressive accounting. Accordingly, we predict and find that auditors experiencing greater client affinity and facing explicit client pressure suggest lower adjustments to clients' aggressive accounting, consistent with motivated reasoning's goal-related predictions. But our study goes further and investigates also how auditors react when motivated reasoning theory's “reasonableness constraint” is potentially violated by auditors who perceive excessive client pressure. We predict and find, consistent with the individual auditor's “reasonable constraint” being triggered in at least some auditors, that perception of client pressure intensity leads those auditors to propose larger adjustments to client accounting. To support our findings, we re-analyze the data from a prior motivated reasoning audit experiment, replicate that study's reported directional goal results employing methods used in this study and, in addition, find similar results to those found in this study for increased client pressure intensity on auditor judgment.

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)0,002
score de la tête « metaresearch » (Gemma)0,031
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,619
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,011
Tête enseignante GPT0,252
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'étudeSans objet
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

Citations116
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Accounting ReviewMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207