Do Auditors Accurately Predict Litigation and Reputation Consequences of Inaccurate Accounting Estimates?
Notice bibliographique
Résumé
ABSTRACT To effectively manage audit risk, auditors must correctly predict the potential litigation and reputation consequences associated with inaccurate accounting estimates. Accurate predictions are critical because underestimation of negative consequences leads to excess legal exposure and overestimation leads to overauditing. Our paper examines whether auditors correctly anticipate these litigation and reputation outcomes. We provide manager‐ and partner‐level auditors with case facts from an auditor negligence lawsuit and ask them to predict the proportion of juries that will return verdicts against their firm. We then compare auditors' predictions to the actual verdicts we observe when we provide the same set of case facts to mock jurors who deliberate as part of juries. We find that auditors overestimate the likelihood of negligence verdicts, especially when audit quality is relatively high. Our supplemental measures help explain the reasons for this overestimation: auditors tend to underestimate jurors' perceptions of audit quality and willingness to attribute inaccurate estimates to situational factors. Finally, we examine auditors' predictions about how a news article about the litigation will affect their reputation with the general public. Similar to our litigation results, we find that auditors tend to overestimate the article's negative impact on auditor reputation. Collectively, our findings suggest that auditors overestimate litigation and reputation consequences resulting from inaccurate accounting estimates. This overestimation is consequential as it leads to inefficient allocation of audit resources.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».