TBE¼binary variable where 1 equals

TBE¼binary variable where 1 equals task-based experience; and
AE¼log of years of audit experience.
If b1is greater than b2, then industry-based experience has a greater impact on performance
than task-based experience and H1 is supported.
The variable PERFORMANCE is measured as the degree of completeness of each
participant’s solution when compared to the solution provided by the expert panel. Each participant’s solution was blind-coded by two expert coders by comparing it to the model solution.
Coders identified whether the participant’s solution contained each element of the expert panel
solution. Cohen’s Kappa (Cohen 1960) was 0.9389 for the manufacturing case and 0.9281 for the
superannuation case (both significant at p ,0.001). The greater the consistency between a
participant’s answer and the model solution, the higher the participant’sPERFORMANCEscore
(to a maximum of 10).
Industry-based experience was measured by asking participants to‘‘Please list the proportion of
your time over this last year that you spent auditing clients in different industry settings. For
example: Insurance (10%), Retail (30%), Superannuation (50%), and Financial Services (10%),’’
totaling 100%for the year (following the procedure used inBonner and Lewis [1990]andBedard
and Biggs [1991a]). The data for industry-based experience are highly skewed because 90 of the
166 responses reported having no industry-based experience (see discussion in next section). The
present analysis therefore uses the binary variableIBE to measure industry-based experience.
The binary variableIBEallows us to present some interesting descriptive statistics for auditors
with or without industry-based experience. In the‘‘Results’’ section we report the outcome using the
binary measure of industry-based experience in the main analysis and the continuous measure,
extent of industry-based experience, as a footnote. This analysis allows us to conduct a more
complete analysis of the impact of industry-based experience on auditor performance.

ผลลัพธ์ (ไทย) 1:

ตัวแปร TBE¼binary ที่ 1 เท่ากับประสบการณ์งาน และAE¼log ปีของประสบการณ์การตรวจสอบถ้า b1is มากกว่า b2 แล้วประสบการณ์จากอุตสาหกรรมมีผลกระทบกับประสิทธิภาพการทำงานประสบการณ์งานและ H1 จะได้รับการสนับสนุนวัดประสิทธิภาพผันแปรตามระดับของความสมบูรณ์ของแต่ละแก้ไขปัญหาของผู้เรียนเมื่อเปรียบเทียบกับการแก้ปัญหาโดยใช้แผง แก้ปัญหาของผู้เรียนแต่ละได้แบบคนตาบอด โดยเหล่าผู้เชี่ยวชาญสอง โดยเทียบกับโซลูชันรุ่นเหล่าที่ระบุว่าแต่ละองค์ประกอบของแผงผู้เชี่ยวชาญมีอยู่แก้ปัญหาของผู้เข้าร่วมการแก้ปัญหา กัปปะของโคเฮน (โคเฮน 1960) 0.9389 สำหรับกรณีผลิตและ 0.9281 สำหรับการกรณีบำนาญ (ทั้งสองอย่างมีนัยสำคัญที่ p, 0.001) ยิ่งความสอดคล้องระหว่างการคำตอบของผู้เรียน และการแก้ปัญหาแบบจำลอง participant'sPERFORMANCEscore สูง(ให้สูงสุด 10)ประสบการณ์จากอุตสาหกรรมถูกวัด โดยขอให้ผู้เข้าร่วม '' กรุณาแสดงสัดส่วนของเวลาของคุณปีนี้ล่าสุดที่คุณใช้ในการตรวจสอบลูกค้าในอุตสาหกรรมต่าง ๆ การตั้งค่า สำหรับตัวอย่าง: ประกัน (10%), ขายปลีก (30%), บำนาญ (50%), และ บริการทางการเงิน (10%),''รวม 100% สำหรับปี (เป็นไปตามขั้นตอนที่ใช้ inBonner และ andBedard Lewis [1990]แล้ว Biggs [1991a]) ข้อมูลในอุตสาหกรรมตามประสบการณ์สูงบิดเบือนเนื่องจาก 90 ตัวตอบ 166 รายงานมีประสบการณ์ไม่ใช้อุตสาหกรรม (ดูคำอธิบายในส่วนถัดไป) ที่วิเคราะห์ปัจจุบันใช้ variableIBE ฐานวัดอุตสาหกรรมตามประสบการณ์ดังนั้นVariableIBEallows นารีเรานำเสนอสถิติอธิบายบางอย่างที่น่าสนใจสำหรับผู้สอบบัญชีมี หรือไม่ มีประสบการณ์ตามอุตสาหกรรม ในส่วน ''ผล '' เรารายงานผลการใช้วัดอุตสาหกรรมจากประสบการณ์ในวัดอย่างต่อเนื่อง และวิเคราะห์หลักฐานขอบเขตของอุตสาหกรรมตามประสบการณ์ เป็นเชิงอรรถ วิเคราะห์นี้ช่วยให้เราดำเนินการมากขึ้นการวิเคราะห์ผลกระทบของอุตสาหกรรมตามประสบการณ์สอบประสิทธิภาพสมบูรณ์

ผลลัพธ์ (ไทย) 2:

TBE¼binaryตัวแปรที่ 1 เท่ากับประสบการณ์ตามงาน; และ
AE¼logปีของประสบการณ์ในการตรวจสอบ.
ถ้า b1is มากกว่า b2 แล้วประสบการณ์ในอุตสาหกรรมที่ใช้มีผลกระทบต่อประสิทธิภาพการทำงาน
กว่าประสบการณ์ตามงานและ H1 ได้รับการสนับสนุน.
ผลการดำเนินงานตัวแปรเป็นวัดที่เป็นระดับของความสมบูรณ์ของแต่ละ
วิธีการแก้ปัญหาของผู้เข้าร่วมเมื่อ เมื่อเทียบกับวิธีการแก้ปัญหาที่ได้รับจากคณะผู้เชี่ยวชาญ วิธีการแก้ปัญหาของผู้เข้าร่วมแต่ละคนตาบอดเขียนโดยสอง coders ผู้เชี่ยวชาญโดยเปรียบเทียบกับวิธีการแก้ปัญหาแบบ.
Coders ระบุว่าวิธีการแก้ปัญหาของผู้เข้าร่วมที่มีองค์ประกอบของคณะผู้เชี่ยวชาญในแต่ละ
วิธีการแก้ปัญหา โคเฮนแคปป้า (โคเฮน 1960) เป็น 0.9389 สำหรับกรณีการผลิตและ 0.9281 สำหรับ
กรณีบำนาญ (ทั้งที่มีนัยสำคัญที่ p, 0.001) มากขึ้นสอดคล้องระหว่าง
คำตอบของผู้เข้าร่วมและวิธีการแก้ปัญหาแบบที่สูงกว่า participant'sPERFORMANCEscore
(สูงสุด 10).
ประสบการณ์ในอุตสาหกรรมที่ใช้วัดโดยขอให้ผู้เข้าร่วมรายการ to''Please สัดส่วนของ
เวลาของคุณในช่วงปีที่ผ่านมานี้ ที่คุณใช้ลูกค้าตรวจสอบในการตั้งค่าที่แตกต่างกันในอุตสาหกรรม สำหรับ
ตัวอย่างเช่นประกันภัย (10%), ค้าปลีก (30%), บำนาญ (50%) และบริการทางการเงิน (10%), ''
รวมเป็นเงิน 100% สำหรับปี (ตามขั้นตอนที่ใช้ inBonner และลูอิส [1990] andBedard
และ บิ๊กส์ [1991a]) ข้อมูลสำหรับประสบการณ์ที่ใช้ในอุตสาหกรรมเป็นอย่างมากเพราะเบ้ 90 ของ
166 รายงานการตอบสนองที่ไม่มีประสบการณ์ในอุตสาหกรรมที่ใช้ (ดูการอภิปรายในหัวข้อถัดไป)
การวิเคราะห์ในปัจจุบันจึงใช้ variableIBE ไบนารีการวัดประสบการณ์ในอุตสาหกรรมที่ใช้.
ไบนารี variableIBEallows เราจะนำเสนอสถิติเชิงพรรณนาบางส่วนที่น่าสนใจสำหรับผู้สอบบัญชี
ที่มีหรือไม่มีประสบการณ์ในอุตสาหกรรมที่ใช้ ใน the''Results '' ส่วนที่เรารายงานผลการใช้
มาตรการไบนารีของประสบการณ์ในอุตสาหกรรมที่ใช้ในการวิเคราะห์หลักและตัวชี้วัดอย่างต่อเนื่อง
ขอบเขตของประสบการณ์ในอุตสาหกรรมที่ใช้เป็นเชิงอรรถ การวิเคราะห์นี้จะช่วยให้เราสามารถดำเนินการเพิ่มเติม
การวิเคราะห์ที่สมบูรณ์ของผลกระทบของประสบการณ์ในอุตสาหกรรมที่ใช้ในการปฏิบัติงานของผู้สอบบัญชี

ผลลัพธ์ (ไทย) 3:

ทีบี¼เลขฐานสองตัวแปรที่ 1 เท่ากับภาษาและประสบการณ์ ;
เอ¼เข้าสู่ระบบของปีของประสบการณ์การตรวจสอบ .
ถ้า b1is มากกว่า B2 แล้ว ประสบการณ์จากอุตสาหกรรมที่มีผลกระทบต่อประสิทธิภาพมากขึ้นกว่าภาษาประสบการณ์และ H1

สนับสนุน งานตัวแปรวัดเป็นระดับของความสมบูรณ์ของโซลูชั่นของผู้เข้าร่วมแต่ละ
เมื่อเทียบกับโซลูชั่นที่มีให้โดยผู้เชี่ยวชาญแผงทางออกของผู้เข้าร่วมแต่ละคนตาบอดเขียนโดยสองผู้เชี่ยวชาญ coders โดยเปรียบเทียบกับรูปแบบโซลูชั่น ระบุว่า
เวบของผู้เข้าร่วมโซลูชั่นที่มีอยู่แต่ละองค์ประกอบของผู้เชี่ยวชาญแผง
โซลูชั่น โคเฮน ( Cohen ของคัป 1960 ) คือ 0.9389 สำหรับการผลิตและ 0.9281 สำหรับ
เงินสะสมกรณี ( ทั้ง อย่างมีนัยสำคัญทางสถิติที่ระดับ 0.001 ) ยิ่งความสอดคล้องระหว่าง
คำตอบของผู้เข้าร่วมและรูปแบบการแก้ปัญหาสูงกว่า participant'sperformancescore
( สูงสุด 10 ) มีประสบการณ์พื้นฐาน
อุตสาหกรรมวัดด้วย ถามผู้ ''please รายการสัดส่วน
หมดเวลานี้เมื่อปีที่แล้วว่า คุณใช้เวลาในการตั้งค่าการตรวจสอบลูกค้าในอุตสาหกรรมที่แตกต่างกัน สำหรับ
ตัวอย่าง : ประกัน ( 10% ) , ค้าปลีก ( 30% ) , บำนาญ ( 50% )และบริการทางการเงิน ( 10% ) , ' '
รวม 100 % สำหรับปี ( ตามขั้นตอนและใช้ inbonner ลูอิส [ 1990 ] andbedard
1991a บิ๊ก [ และ ] ) ข้อมูลสำหรับอุตสาหกรรมตามประสบการณ์สูงเบ้เพราะ 90 ของ
166 ตอบรายงานที่ไม่มีประสบการณ์ในอุตสาหกรรมที่ใช้ ( ดูการอภิปรายในส่วนถัดไป )
การวิเคราะห์ในปัจจุบันจึงใช้ variableibe ไบนารีเพื่อวัดประสบการณ์ของอุตสาหกรรมตาม .
variableibeallows ไบนารีเราเสนอสถิติที่น่าสนใจบางอย่างสำหรับผู้สอบบัญชี
ที่มีหรือไม่มีประสบการณ์ในอุตสาหกรรมที่ใช้ ใน ''results ' ' เรารายงานผลโดยใช้
ไบนารีวัดของอุตสาหกรรมตามประสบการณ์ในหลักการวิเคราะห์อย่างต่อเนื่องและวัด
ขอบเขตของประสบการณ์ในอุตสาหกรรมที่ใช้เป็นเชิงอรรถ การวิเคราะห์นี้จะช่วยให้เราสามารถทำการเพิ่มเติม
สมบูรณ์การวิเคราะห์ผลกระทบของอุตสาหกรรมตามประสบการณ์ในการปฏิบัติงานของผู้สอบบัญชี .