MétaCan
Menu
Retour à la cohorte
Enregistrement W3125406116 · doi:10.1111/1911-3846.12129

What is the Relationship Between Audit Partner Busyness and Audit Quality?

2015· article· en· W3125406116 sur OpenAlexvenueno aff
John Goodwin, Donghui Wu

Notice bibliographique

RevueContemporary Accounting Research · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesHong Kong Polytechnic University
Mots-clésAuditQuality auditAccountingQuality (philosophy)Audit evidenceBusinessJoint auditPortfolioActuarial scienceInternal auditFinance

Résumé

récupéré en direct d'OpenAlex

Abstract Contemporaneous studies generally find a negative relationship between audit partner busyness ( APB ), measured as the number of clients in an audit partner's portfolio, and audit quality. Their argument is that a busy partner does not devote sufficient time to properly audit his average client. Contrary to these studies, we argue that when busyness is optimally chosen by the partner, in equilibrium, there is no causal relationship between APB and audit quality. Using Australian data for the 1999–2010 period, we show that APB is not reliably linked to audit quality, consistent with this equilibrium theory. We argue that causality can be ascribed to the APB ‐audit quality relationship when accounting scandals exogenously shocked the Australian audit market during the 2002–04 period and APB likely deviated from optimum levels. Supporting this disequilibrium view, we find that higher APB reduces a partner's propensity to issue first‐time going‐concern opinions during this period. Our evidence highlights the importance of the equilibrium condition in testing empirical associations between audit outcomes and endogenous auditor attributes, and shows that the detrimental effect of APB on audit quality is not as pervasive as contemporaneous studies suggest.

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)0,013
score de la tête « metaresearch » (Gemma)0,035
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,395
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,008
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,183
Tête enseignante GPT0,372
Écart entre enseignants0,189 · 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

Citations214
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207