MétaCan
Menu
Retour à la cohorte
Enregistrement W3124337629 · doi:10.1177/0148558x17726241

Does the Timing of Auditor Changes Affect Audit Quality? Evidence From the Initial Year of the Audit Engagement

2017· article· en· W3124337629 sur OpenAlexaboutno aff
Cory A. Cassell, James C. Hansen, Linda A. Myers, Timothy A. Seidel

Notice bibliographique

RevueJournal of Accounting Auditing & Finance · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAuditAccountingBusinessQuality auditAudit evidenceAuditor independenceJoint auditAuditor's reportInherent risk (accounting)Walk-through testExternal auditorAudit planAffect (linguistics)Quarter (Canadian coin)Fiscal yearInternal auditFinancePsychology

Résumé

récupéré en direct d'OpenAlex

We focus on the first year of the auditor–client relationship and investigate whether audit quality varies with the timing of the new auditor’s appointment. We find that audit quality is not lower for companies that engage new auditors before the end of the third fiscal quarter than for companies that do not change auditors. However, companies that engage new auditors during or after the fourth fiscal quarter are more likely to misstate their audited financial statements than companies that engage new auditors earlier in the year and companies that do not change auditors. In additional tests, we find that the decrease in audit quality associated with late auditor changes is more pronounced for companies with complex operations (i.e., more operating segments). These results suggest that the extent to which audit quality suffers in the first year of audit engagements is affected by both the amount of time required to understand the client’s business, assess risks, and perform the audit (all of which are driven by client complexity), as well as the amount of time available for auditors to perform these tasks.

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)0,007
score de la tête « metaresearch » (Gemma)0,060
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,234
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,060
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,002
Science ouverte0,0040,002
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 Opus0,047
Tête enseignante GPT0,299
Écart entre enseignants0,252 · 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

Citations56
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Accounting Auditing & FinanceMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207