<scp>PCAOB</scp> Inspections and the Differential Audit Quality Effect for Big 4 and <scp>Non–Big</scp> 4 <scp>US</scp> Auditors*
Notice bibliographique
Résumé
ABSTRACT In this study, we investigate whether the increase in regulatory scrutiny epitomized by the initial PCAOB inspection impacted audit quality differentially for Big 4 and non–Big 4 auditors to better understand the consequences of PCAOB inspections for different audit firm types. Because of competing views on the effect of PCAOB inspections, the relation between PCAOB inspections and the audit quality differential between Big 4 and other auditors is an empirical issue. Empirically, we take the endogenous choice of auditor as a given and utilize a difference‐in‐differences specification that takes into account the staggered timing of the initial PCAOB inspection for different‐sized auditors in the United States. Our results suggest that the initial PCAOB inspection improved audit quality more for Big 4 auditors than for other annually inspected or triennially inspected non–Big 4 auditors. We also examine annually and triennially inspected non–Big 4 auditors separately, and find that the pre‐post Big 4/non–Big 4 differential audit quality effect is more pronounced for the triennially inspected non–Big 4 firms. In the larger context of the highly concentrated US audit market, our findings that PCAOB inspections accentuate the Big 4/non–Big 4 audit quality differential are of potential interest to public company audit clients contemplating an auditor change, investors interested in learning about the consequences of PCAOB inspections, regulators concerned about the Big 4 dominance of the US audit market, and academics investigating audit quality differences.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».