MétaCan
Menu
Retour à la cohorte
Enregistrement W4385289885 · doi:10.3390/jrfm16080345

The Association between Audit Quality and Corporate Tax Avoidance. A Bibliometric Review of Literature and Early Evidence on the European Union, from the Perspective of Tax-Related Key Audit Matters Disclosure

2023· review· en· W4385289885 sur OpenAlexvenueno aff
Cristian Lungu, Valentin Burcă, Ovidiu-Constantin Bunget, Alin-Constantin Dumitrescu

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingBusinessAuditTransparency (behavior)Corporate taxPublic relationsTax avoidanceFinanceDouble taxationPolitical science

Résumé

récupéré en direct d'OpenAlex

In the circumstances of increasing forms of corporate reporting, the relevance of the financial information is slightly decreasing, as the reporting strategies do not provide evidence of the potential deterioration of reported earnings, but rather try to hide managers’ earnings management practices through various impression management techniques and lower financial transparency. Therefore, the external auditors’ role becomes essential in mitigating the information asymmetry. This article aims to study the association between a quality audit and corporate tax avoidance. The research methodology was based on two essential stages. The first stage consisted of reviewing the specialized literature by applying the bibliometric analysis. In the second stage, we resorted to an exploratory analysis of the KAMs disclosed by European Union firms listed in 2016–2021. The study was carried out based on the information provided by the Web of Science and Audit Analytics databases. In accordance with the obtained results, we emphasize that more attention should be paid to the association between the KAMs disclosed by auditors regarding the extended audit reports and the indication of corporate tax avoidance through different tax planning metrics. At the same time, the study underlines that collections of data on KAMs’ disclosures could help specialists create a common body of knowledge about KAMs and how they should be used as communication tools between auditors, management, and stakeholders (including the state). The contribution of this article consists of providing informational support to the tax authorities to understand the main concerns regarding the business environment so that they can come up with supporting public tax policies that should facilitate the mission of companies to determine the tax burden. In addition, it provides researchers with a starting point to further explore issues related to tax avoidance techniques and the role of a financial auditor in limiting them.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,087
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,087
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0350,055
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,053
Tête enseignante GPT0,285
Écart entre enseignants0,232 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetCorporate Taxation and AvoidanceTravaux en français237 207