تقویت مدیریت دانش و تقلیل هزینه حسابرسی

مدیریت دانش در حسابرسی باعث افزایش کارایی و اثربخشی حسابرسی می‌شود؛ زیرا می‌تواند زمان لازم برای دریافت و بررسی اطلاعات مشتری را برای حسابرس کاهش دهد و در نتیجه باعث تقلیل هزینه حسابرسی شود. با همین استدلال هدف اصلی پژوهشگران، بررسی ارتباط بین تقویت مدیریت دانش و تقلیل هزینه حسابرسی است. قلمرو زمانی تحقیق از ابتدای سال 1395 تا انتهای سال 1401 می‌باشد. تعداد 130 شرکت برای این پژوهش انتخاب شدند. سپس تجزیه و تحلیل نهایی مدل رگرسیونی چندگانه و با کمک از نرم افزار استاتا نسخه 16  انجام گردید. در این پژوهش تعداد910 داده (سال-شرکت) بر اساس روش پانل دیتا- ثابت مورد بررسی و تحلیل قرار گرفت. نتایج نشان داد که مدیریت دانش در حسابرسی با حق‌الزحمه حسابرسی رابطه معنادار و معکوس دارد. علاوه بر این یافته های اضافی نشان داد، متغیر کنترلی اندازه‌ شرکت رابطه مستقیم و معناداری با متغیر وابسته دارد. علاوه بر این نشان داد متغیرهای مستقل و کنترلی موجود در مدل توانسته‌اند 57 درصد از تغییرات متغیر وابسته را توضیح دهند.

strengthening knowledge management and reducing audit costs

knowledge management in auditing increases the efficiency and effectiveness of auditing; because it can reduce the time required for the auditor to receive and check customer information and thus reduce the cost of the audit. with this reasoning, the main goal of researchers is to investigate the relationship between strengthening knowledge management and reducing audit costs. the time domain of the research is from the beginning of 1395 to the end of 1401. 130 companies were selected for this research. then, the final analysis of the multiple regression model was done with the help of stata version 16 software. in this research, 910 data (year-company) were examined and analyzed based on the fixed-data panel method. the results showed that knowledge management in auditing has a significant and inverse relationship with audit fees. in addition to these additional findings, the control variable company size has a direct and significant relationship with the dependent variable. in addition, it showed that the independent and control variables in the model were able to explain 57% of the changes in the dependent variable.