Académique Documents
Professionnel Documents
Culture Documents
PENDAHULUAN
Prosedur analisis substantif (APs) banyak digunakan dalam praktik dan merupakan
sumber bukti audit yang semakin penting (misalnya, Asare dan Wright 2001; Winograd et al.,
2000; Allen et al., 1999), namun Dewan Pengawas Publik (POB) Panel pada Efektivitas
Audit menemukan celah antara panduan yang tersedia di APs dan 'apa yang sebenarnya
terjadi dalam praktik' '(POB 2000, 42). Bidang utama perhatian dicatat adalah desain APs
substantif (yaitu, formasi harapan) . Baru-baru ini, regulator menggemakan kekhawatiran
tentang defisiensi yang diamati dalam aplikasi auditor APs substantif (PCAOB 2004a;
2004b). Langkah pertama untuk mengembangkan panduan yang lebih efektif adalah
mendapatkan pemahaman yang lebih baik mengapa auditor gagal menerapkan APs secara
efektif (POB 2000). Oleh karena itu, kami memeriksa dua pertanyaan umum terkait dengan
kemungkinan penjelasan tentang defisiensi yang melibatkan formasi harapan dan evaluasi di
APs substantif.
Pertama, apakah penilaian auditor terhadap faktor presisi presisi mencerminkan
bahwa, menurut standar profesional, mempengaruhi kualitas APs? Secara khusus, sejauh
mana penilaian presisi auditor mencerminkan prediktabilitas akun dan tingkat detail data
yang digunakan untuk membentuk harapan? Selanjutnya, karena ada kemungkinan
pertimbangan faktor auditor dapat bersyarat atau tergantung pada tingkat faktor lainnya (Lin
et al., 2000), kami juga memeriksa bagaimana reaksi auditor terhadap tingkat rincian
dipengaruhi oleh sifat akun untuk mana APs dilakukan.
Kedua, menurut standar profesional, tiga evaluasi auditor, (1) tingkat kepastian yang
diharapkan disediakan oleh APs, (2) kisaran selisih antara jumlah yang diharapkan dan yang
tercatat, dan (3) kemungkinan salah saji versus nonmisstatement menyebabkan selisih antara
jumlah yang diharapkan dan yang tercatat, harus konsisten dengan penilaian presisi auditor
(lihat AICPA 1998b, 10; 1988a, paragraf 17 dan 20). Namun, standar tersebut memberikan
panduan yang tidak lengkap mengenai bagaimana auditor harus memasukkan ketepatan ke
dalam penilaian mereka dan tidak ada panduan untuk menentukan perbedaan selisih antara
harapan dan jumlah yang dapat diterima yang sesuai dengan tingkat kepastian yang
diinginkan (lihat Hitzig 2004). Jadi, kami bertanya, sampai sejauh mana penilaian auditor
sesuai dengan penilaian presisi mereka?
Untuk menjawab pertanyaan-pertanyaan ini, kami melakukan percobaan di mana
auditor yang mengkhususkan diri pada layanan keuangan meninjau ulang pekerjaan yang
mendokumentasikan APs untuk dua akun dalam konteks audit bank. Kami memanipulasi
presisi harapan dengan memvariasikan dua faktor (prediktabilitas akun dan agregasi data)
masing-masing pada dua tingkat. Prediktabilitas akun dimanipulasi dalam subjek dengan
memberikan harapan untuk dua akun berbeda (penyisihan kerugian pinjaman dan pendapatan
bunga). Sebagai rekening neraca yang merupakan cadangan kerugian di masa depan,
tunjangan tersebut kurang dapat diprediksi daripada akun pendapatan bunga. Kumpulan data
dimanipulasi antara subyek dengan mengembangkan harapan untuk setiap akun berdasarkan
data agregat (tingkat rendah detail) atau data terpilah (tingkat tinggi detail).
Auditor menilai presisi untuk kedua akun. Selain itu, mereka membuat tiga penilaian:
tingkat kepastian yang diharapkan disediakan oleh prosedur, kisaran perbedaan antara jumlah
yang diharapkan dan yang tercatat (yaitu batas atas dan bawah sekitar perbedaan tak terduga),
dan jumlah perbedaan yang tidak terduga disebabkan oleh salah saji versus penyebab salah
saji (yaitu, kemungkinan salah saji).
Hasil kami menunjukkan bahwa, secara keseluruhan, auditor menilai ketepatan yang
lebih tinggi ketika data yang membentuk harapan dipilah berdasarkan agregat, dan menilai
ketepatan yang lebih rendah untuk akun yang tidak dapat diprediksi (penyisihan kerugian
pinjaman) dibandingkan dengan akun yang dapat diprediksi (pendapatan bunga). Hasil ini
konsisten dengan panduan yang ada mengenai faktor-faktor ini (AICPA 1998b, 1988a).
Namun, penilaian presisi auditor untuk penyisihan kerugian pinjaman tidak berbeda secara
signifikan antara APs yang terpilah dan digabungkan, yang mengindikasikan sensitivitas
diferensial terhadap presisi untuk akun yang tidak dapat diprediksi.
Hasil kami juga menunjukkan bahwa untuk kedua akun tersebut, auditor menilai
tingkat kepastian untuk APs sesuai dengan penilaian presisi mereka. Namun, penilaian presisi
mereka tidak tercermin dalam dua penilaian lainnya (kisaran perbedaan antara jumlah yang
diharapkan dan yang tercatat dan kemungkinan salah saji).
Temuan ini berimplikasi pada praktik audit, kebijakan, dan penelitian di masa depan.
Pertama, mereka memberikan bukti bahwa auditor memiliki perbedaan sensitif terhadap
tingkat detail untuk akun yang lebih dapat diprediksi dibandingkan dengan yang tidak dapat
diprediksi, walaupun standar profesional saat ini tidak membahas dampak interaktif dari
berbagai faktor presisi. Meskipun belum tentu jelas bahwa ini adalah bukti adanya kalibrasi
yang buruk (yaitu, sulit dalam mengukur presisi), setidaknya hasilnya mendukung
pengamatan POB terhadap jarak antara panduan yang ada dan apa yang terjadi dalam praktik,
serta rekomendasinya untuk memperbaiki panduan untuk mempertimbangkan sifat akun
dalam merancang APs (POB 2000, 43; AICPA 1998b, 52- 54). Kedua, temuan ini
memberikan bukti bahwa auditor tidak sepenuhnya memasukkan penilaian ketepatan mereka
ke dalam dua penilaian yang panduan otoritatif menggambarkan sangat penting untuk
efektivitas APs.
Hasil kertasnya sebagai berikut. Kami mengembangkan motivasi penelitian dan
hipotesis di bagian kedua. Bagian ketiga membahas desain dan instrumen eksperimental, dan
bagian keempat melaporkan hasilnya. Bagian diskusi dan rekomendasi menyimpulkan
makalah ini.
HASIL
Pemeriksaan Manipulasi dan Kovariat
Auditor menanggapi pengecekan manipulasi variabel independen agregasi data
dengan menilai tingkat detail AP pada skala satu (sangat tidak memadai) sampai tujuh (sama-
sama memadai), dibandingkan dengan perbandingan yang disajikan umum.10 Di kedua akun,
auditor laporkan tingkat rata-rata detail (standar deviasi) masing-masing 4,24 (1,47) dan 3,66
(1,51) untuk kondisi terpilah (tingkat tinggi) dan agregat (tingkat rendah detail). Perbedaan
ini sangat penting (t? 2.47, p? .007). Untuk kondisi terpilah dan agregat untuk pendapatan
bunga, masing-masing nilai 4,41 (1,52) dan 3,69 (1,43); Sebagai perbandingan, nilai untuk
akun penyisihan adalah 4,06 (1,42) dan 3,63 (1,61), masing-masing.
Kami tidak meminta auditor untuk memberikan penilaian (yaitu, cek manipulasi)
perkiraan akun. Kami berasumsi, mengingat konteksnya, auditor akan menganggap
pendapatan bunga relatif dapat diprediksi daripada rekening penyisihan. Asumsi ini didukung
oleh standar profesional yang secara langsung menentukan bahwa akun obyektif lebih dapat
diprediksi (lihat AICPA 1998a, 1998c); Ini juga didukung oleh manual dan kursus pelatihan
perusahaan audit, karena ini sesuai dengan standar profesional. Sebagai tambahan,
berdasarkan uji coba dan analisis protokol kami, dan dikonfirmasikan oleh hasil eksperimen
tambahan, auditor dengan jelas melihat pendapatan bunga secara signifikan lebih dapat
diprediksi daripada penyisihan kerugian pinjaman.
Akhirnya, Libby dan Luft (1993) menunjukkan pentingnya mempertimbangkan
interaksi antara setting dan karakteristik individu (lihat juga, Libby et al., 2002). Karena
pengaturan tugas kami berkaitan dengan lembaga keuangan, kami mengumpulkan empat
ukuran berbeda dari pengalaman spesifik industri auditor: jumlah keterlibatan lembaga
keuangan, jumlah keterlibatan keuangan yang dilakukan, jumlah keterlibatan keuangan yang
dikelola, dan pengalaman dalam mengaudit kedua spesifikasi tersebut. akun (ya atau tidak).
Tidak mengherankan, semua ukuran pengalaman terkait keuangan sangat berkorelasi
(korelasi Pearson dan / atau Spearman, jika sesuai, 0,806 dan di atas), namun hanya
pengalaman keterlibatan finansial yang secara konsisten dan berkorelasi tinggi dengan
kalibrasi presisi auditor untuk kedua akun tersebut. . Dengan demikian, kami memasukkan
jumlah keterlibatan lembaga keuangan sebagai kovariat dalam semua analisis.
Uji Hipotesis
Gambar 1 menunjukkan diagram model yang diusulkan dari penilaian auditor yang
terkait dengan hipotesis kami. Kami memprediksi bahwa tingkat detail dan prediktabilitas
akun akan mempengaruhi penilaian auditor terhadap presisi secara independen dan interaktif
(H1a-H1c). Selain itu, karena tugas ini khusus untuk lembaga keuangan, kami percaya bahwa
pengalaman lembaga keuangan auditor dapat mempengaruhi kalibrasi presisi auditor
dibandingkan dengan faktor-faktor ini. Pada gilirannya, kami memprediksi bahwa penilaian
presisi auditor akan mempengaruhi tiga tanggapan sebelumnya
penilaian tingkat kepastian, batas atas, dan kemungkinan salah saji (H2a-H2c,
masing-masing). Untuk menguji hipotesis kami, kami mengambil pendekatan dua bagian.
Pertama, kami memeriksa pengaruh variabel independen yang dimanipulasi kami terhadap
penilaian presisi auditor (H1a-H1c) dengan ANCOVA untuk rancangan campuran kami.
Kedua, kami menggunakan akun individual MANCOVA untuk menguji pengaruh penilaian
auditor terhadap presisi terhadap penilaian pra-tanggapan mereka (H2a-H2c) .
Tabel 1
Tabel2
Analisis penilaian individu untuk pendapatan bunga menunjukkan bahwa ketepatan sangat
penting bagi tingkat penilaian assurance auditor (F? 5.24, p? 00001), yang mendukung H2a
untuk akun ini. Namun, H2b dan H2c tidak didukung untuk pendapatan bunga. Dengan kata
lain, ketepatan tidak signifikan dalam menjelaskan batas atas atau penilaian persentase salah
saji (masing-masing 1514 dan p ?,555). Namun, tampak bahwa pengalaman keuangan auditor
penting untuk pertimbangan batas atas (F? 5.62, p? .20).
Untuk rekening penyisihan (Panel B), ketiga hipotesis tersebut didukung. Presisi
sangat penting dalam menjelaskan tiga penilaian pra-tanggapan secara keseluruhan
(Wilks'Lambda F? 4.34, signifikan pada p ?001). Secara individu, ketepatan signifikan atau
sedikit signifikan untuk tiga penilaian: tingkat kepastian (F? 10.67, p ?001), batas atas (F?
1.79, p?, 102), dan persentase salah saji (F? 2.16 , p? .048) .
Oleh karena itu, secara keseluruhan, H2a didukung, namun hanya sebagian dukungan
yang ditemukan untuk H2b dan H2c secara individual. Secara khusus, untuk kedua akun
auditor secara tepat memasukkan presisi ke dalam tingkat penilaian jaminan mereka. Namun,
untuk akun pendapatan bunga, mereka gagal memasukkan ketepatan ke dalam penilaian
tentang kisaran nilai di sekitar perkiraan atau kemungkinan penilaian salah saji.