MétaCan
Menu
Retour à la cohorte
Enregistrement W3043743005 · doi:10.5430/ijfr.v11n4p556

Impact of External Auditing Quality and Audit Committees on Accounting Conservatism and the Performance of Industrial Firms Listed at the Amman Stock Exchange

2020· article· en· W3043743005 sur OpenAlexvenueno aff
Mahmod AL-Rawashdeh Abdalwahab, Riham Alkabbji

Notice bibliographique

RevueInternational Journal of Financial Research · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingBusinessAuditQuality auditJoint auditChief audit executiveAudit evidenceAccrualConservatismAudit planStock exchangeAudit committeeWalk-through testAuditor independenceInformation technology auditInternal auditFinanceEarnings

Résumé

récupéré en direct d'OpenAlex

This study aims to investigate the impact of external auditing quality and audit committees on accounting conservatism and the performance of industrial firms listed at the Amman Stock Exchange. The study has relied on the industrial sector which comprised of 70 industrial firms, while the sample size comprised 54 firms. Audit quality has been addressed in terms of audit quality features (communication with world audit offices, keep client period, audit fees, accounting specialist in the customer industry), while audit committees quality has been analyzed (audit committees independence, audit committees expertise, audit committees meetings). The accruals model has been used to measure accounting conservatism. The firm`s performance has been measured through its market value. The study concluded that audit committees have no impact on accounting conservatism and firm`s performance, while audit quality features have a positive impact on accounting conservatism and firm`s performance. The study has recommended the need to activate the role of audit committees in public shareholding industrial firms since they positively have an impact on raising audit efficiency and control the regulate the firm`s internal control system.

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)0,004
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,453
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,103
Tête enseignante GPT0,357
Écart entre enseignants0,255 · 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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207