MétaCan
Menu
Retour à la cohorte
Enregistrement W4281397664 · doi:10.5539/ibr.v15n6p88

Potential Threats to Audit Firm Independence: Evidence from Italy on Audit Quality

2022· article· en· W4281397664 sur OpenAlexvenueno aff
Marco Angelo Marinoni, Anna Maria Fellegara, Andrea Lippi

Notice bibliographique

RevueInternational Business Research · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAuditCredibilityAccountingAuditor independenceQuality auditBusinessBig FourAccrualExternal auditorJoint auditActuarial scienceInternal auditEarningsPolitical science

Résumé

récupéré en direct d'OpenAlex

Purpose – This study aims to investigate the potential threats to the independence of an auditor who provides both auditing and non-audit services (NAS), in terms of credibility of and confidence in audit quality. Design/methodology/approach – In this study, we first replicate the results of Campa and Donnelly (2016) using hand-collected publicly available data for a sample of 91 Italian manufacturing public companies audited by a Big 4 and non-Big 4 audit firm over a longer time horizon (2015˗2019) using the panel data approach, based on three interconnected regression models. Findings – Previous studies in this area did not find a unique interpretation of the association between auditor independence and provision of NAS. Our findings reveal that auditor independence, as measured by the magnitude of discretionary accruals, is compromised by the provision of NAS, especially when unexpected audit fees are lower than expected. Enhanced credibility can lead to greater confidence in audit value. This study’s results should be of interest to European and U.S. legislators, to improve financial reporting quality. Originality/value – In the wake of the global financial crisis and loss of confidence in the role of auditors, this study investigates the supposed threats, to to aim to enhance the credibility of and confidence in audit quality, especially in settings outside the Anglosphere. This study would contribute to the literature to support the more binding approach for audit firms.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,526
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0030,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,005

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 Opus0,117
Tête enseignante GPT0,391
Écart entre enseignants0,274 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetRisk Management in Financial FirmsTravaux en français237 207