Notice bibliographique
Résumé
Purpose The purpose of this study is to examine how auditors would react when there are exogenous negative shocks to their client portfolios. Design/methodology/approach Using a sample of 31,256 firm-year observations (2001–2016), the authors investigate whether industry shocks to a subset of an auditor’s clients distract the auditor and affect the professional skepticism applied in the audits of other clients. Findings The authors find that clients of distracted auditors are more likely to meet or beat analyst consensus forecasts, suggesting that auditors’ professional skepticism is compromised by distractive events. The cross-sectional analyses reveal that the negative impact of the distractive events on audit quality is more pronounced when the distracted auditors audit less important clients, face lower third-party legal liabilities and experience higher growth. Using an alternative measure of audit quality, the additional analysis shows that clients of distracted auditors exhibit a higher probability of restating their earnings in subsequent years. Overall, the empirical evidence suggests that when distracted, auditors render lower quality audit. Originality/value The study complements recent work by Cassell et al. (2019), which shows that the 2008–2009 financial crisis affected the quality of the audits of nonbank clients of bank-specialized auditors. While Cassell et al. (2019) focus on one shock (financial crisis) to one industry (i.e. the financial services industry), the study examines more frequent shocks over a wide range of industries to identify the potential effects of distractive events, improving the generalizability of the findings to all industries and all auditors (specialist and nonspecialist) in nonrecession periods.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».