Notice bibliographique
Résumé
The issue of whether auditor fees affect auditor independence has been extensively debated by regulators, investors, investment professionals, auditors, and researchers. The revised Securities and Exchange Commission ( SEC ) requirements that resulted from the implementation of the Sarbanes‐Oxley Act (2002) limit nonaudit services ( NAS ) and mandate NAS fee disclosure. The SEC 's requirements are based on the argument that auditor independence could be impaired—and hence audit quality may be reduced—when auditors become economically dependent on their clients or audit their own work. Economic bonding leads to reduced independence, which can lead to reduced audit quality. We study a sample of firms sanctioned by the SEC for fraudulent financial reporting in Accounting and Auditing Enforcement Releases ( SEC ‐sanctioned fraud firms) and examine whether there is a relationship between auditor fee variables and the likelihood of being sanctioned by the SEC for fraud. We use SEC sanction as a measure of audit quality that has not previously been used in the auditor fee literature and is more precise than some of the other proxies used for flawed financial/auditor reporting. We find, in univariate tests, that fraud firms paid significantly higher (total, audit, and NAS ) fees. However, in multivariate tests, when controlling for other fraud determinants and endogeneity among the fraud, NAS , and audit fee variables, we find that while NAS fees and total fees are positively and significantly related to the likelihood of being sanctioned by the SEC for fraud, audit fees are not. These findings suggest that higher NAS fees may cause economic bonding, thereby leading to reduced audit quality. Our findings of significantly higher NAS fees and total fees in fraud firms hold after controlling for latent size effects and other rigorous testing. These results contribute to the literature that examines the SEC 's concerns regarding NAS and can be used by policy makers for additional consideration.
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 | 0,003 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».