در یک حالت مشابه، کوی و همکاران به این نتیجه رسیدند که در نزدیکی جغرافیایی، حسابرسان محلی در مقایسه با حسابرسان غیرمحلی طبیعتاً با موکلین همان محل آشناتر بوده و دارای مزیت اطلاعاتی در تماس با موکلین خود هستند(کوی و همکاران، ۲۰۱۲).
حسابرسان محلی از طریق تعامل مستقیم با مدیران و سایر کارکنان شرکت موکل نسبت به حسابرسان غیرمحلی دسترسی بیشتری به اطلاعات مربوط به شرکت موکل دارند. آن ها در ایجاد روابط فردی نزدیکتر و در نتیجه در ایجاد کانال های ارتباطی قابل اتکا با موکلین خود به نسبت حسابرسان غیرمحلی فرصت های طبیعی دارند. بعلاوه، آن ها در کسب اطلاعات مربوط به موکل از رسانه ها موفق تر خواهند بود(زنگ و همکاران، ۲۰۱۲).
در یک سو، این مزیت اطلاعاتی و ارتباط تسهیل شده باعث کاهش عدم تقارن اطلاعاتی میان حسابرسان محلی و موکلین آن ها شده و به حسابرسان در ارزیابی ریسک مربوط به موکل و سایر خصوصیات موکلین با دقت بیشتر یاری می رساند و به آن ها اجازه ارزیابی بهتر انگیزه و فرصت های موکلین در گزارش دهی در حد استاندارد را می‌دهد. به همین دلیل حسابرسان محلی در نظارت و ارزیابی رفتار گزارش دهی موکل و یافتن اشتباهات حسابداری و یا بی نظمی ها در مقایسه با حسابرسان غیرمحلی تواناتر خواهد بود(زنگ و همکاران، ۲۰۱۲).
در سوی دیگر، نزدیکی جغرافیایی یا موقعیت محلی حسابرس به دلایل زیر ممکن است باعث تضمین استقلال حسابرس و در نتیجه کیفیت حسابرسی شود. با وجود روابط نزدیک تر میان حسابرسان محلی و موکلین آن ها، احتمال اینکه حسابرسان محلی با موکلین خود تبانی نموده و در نتیجه در گزارش خود تغییراتی ایجاد کنند زیاد خواهد بود که این به معنی حسابرسی های با کیفیت پایین می‌باشد. این پیش‌بینی در مورد رابطه منفی میان کیفیت حسابرسی و موقعیت محلی حسابرس به طور قراردادی با عنوان «بعد تبانی»[۳۹] خوانده می شود. مثال موجود از بازار در حال توسعه چین در مورد خدمات حسابرسی با بعد تبانی همخوانی دارد. برای مثال، گول[۴۰](۲۰۰۶) حسابرسان محلی را به شکل حسابرسانی که در قلمرو اداری حکومت محلی موکلین خود ساکن هستند معرفی می‌کنند. آن ها پی برده اند که کیفیت حسابرسی، در کل، برای حسابرسان محلی به نسبت غیرمحلی پایین تر خواهد بود. زیرا حسابرسان محلی احتمال بیشتری دارد که در عرض فشارهای سیاسی دولت محلی که اغلب همان کنترل سهام‌داران شرکت های محلی است واقع شوند. نقش تاثیرات سیاسی در شکل رابطه حسابرس- موکل در محیط حسابرسی چنین بسیار چشمگیرتر می‌باشد. همان طور که در رابطه معروف میان انرون و دفتر کاری هاستون اندرسون مشاهده شد، اگرچه، نمی توان احتمال تبانی میان حسابرسان و موکلین را حتی در محیط بازاری آمریکا نادیده گرفت، مخصوصا هنگامی که حسابرسان‌از لحاظ جغرافیایی به موکلین خود نزدیک باشند(زنگ و همکاران، ۲۰۱۲).
به طور خلاصه، بعد اطلاعاتی بیانگر تاثیر مثبت موقعیت محلی حسابرسان بر کیفیت حسابرسی است در حالی که بعد تبانی بیانگر تاثیر منفی می‌باشد. برای ارائه نتایج تجربی در حمایت از هر بعد و یا اینکه کدام بعد بر دیگری غلبه دارد، (چوی و همکاران، ۲۰۱۲) به این نتیجه رسیدند که سطح مدیریت درآمدها، اندازه گیری شد، از نظر میزان اقلام تعهدی غیرعادی، میان موکلین و حسابرسان محلی و موکلین و حسابرسان غیرمحلی تفاوت زیادی ندارد، سایر موارد برابر خواهد بود.
موقعیت محلی حسابرس و قیمت گذاری حسابرسی
همانند عرضه کنندگان سایر خدمات حرفه ای نظیر پزشکان و وکلا، حسابرسان هر دو هزینه تحویل (یا ارائه) خدمات حسابرسی و هم کیفیت خدمات حسابرسی که ارائه می‌کنند را در قیمت گذاری خدمات خود محاسبه می نمایند. سازگار با این نگرش، مدل های قیمت گذاری فعلی، ابتدا توسط سیمونایک[۴۱](۱۹۸۰) طرح ریزی و بعد توسط چوی[۴۲](۲۰۰۶) توسعه یافت و بیانگر آن است که مخارج حسابرسی که برابر هزینه های حسابرسی در یک شرایط رقابتی است، تابعی از : خصوصیات موکل نظیر سایز شرکت موکل، پیچیدگی موکل و ریسک مربوط به موکل است و خصوصیات حسابرس نظیر نام تجاری و خدمات تخصصی که بر کیفیت خدمات حسابرسی تاثیرگذار است، می‌باشد.
سنجش کیفیت حسابرسی
بزرگی اقلام تعهدی غیرعادی یا احتیاطی[۴۳]DA که عنوان بازدهی از مدیریت درآمدهای غیرمنتظره تلقی می شود. اکنون کاملا شناخته شده است که مقیاس سنتی DAکه از مدل جونز استفاده می‌کند پر سر و صدا می‌باشد. برای رفع این نگرانی، کوی و همکاران (۲۰۱۲) دو مقیاس جایگزین DAرا ایجاد کردند؛ یکی از مدل تکمیل شده جونز[۴۴](۲۰۰۵) گرفته شده که عدم هماهنگی های زمانی اقلام تعهدی در شناسایی درآمدهای اقتصادی و زیان ها را کنترل می‌کند. مقیاس دیگر از برآورد مدل اصلاح شده بر مبنای عملکرد جونز مشتق شده است. کیم و همکاران(۲۰۱۲) به ترتیب این دو مقیاس را با DA1و DA2,ذکر کردند.
مدل تکمیل شده جونز(۲۰۰۵) در معادله (۱) نحوه محاسبه مقیاس اول کوی و همکاران، یعنی DA1را توضیح می‌دهد:
که درآن برای شرکت j و در سال t(یا t – 1) ، ACCRنشان دهنده اقلام تعهدی کل، A, ΔREV و PPEبیانگر دارایی کل، تغییرات در فروش خالص و اموال خالص، زمین و تجهیزات به ترتیب می‌باشد و CFOبیانگر جریان پولی ناشی از عملیات، DCFO متغیر مصنوعی است که اگر CFO منفی یا صفر باشد برابر ۱ است و ε شرایط خطا می‌باشد.
بال و شیوارکومار[۴۵](۲۰۰۵) نشان می‌دهند که اقلام تعهدی حسابداری زبان های اقتصادی را به نسبت سودهای اقتصادی هم به شکلی زمان دار شناسایی می‌کنند و اینکه اقلام تعهدی حسابداری یک تابع خطی از جریان پولی در مدل خود، کوی و همکاران، سه متغیر دیگر به نام های CFOjt/Ajt-1, DCFOjt,و (CFOjt/Ajt-1) * DCFOjt را به شکل معادله ۲ در مدل جونز وارد کردند. با بهره گرفتن از(ACCR) به همراهی دارایی کلی به عنوان متغیر وابسته، معادله ۱را برای هر دو رقم Sic-Code و سال برآورد کردند. مقیاس اولیه کیم و همکاران، DA1در واقع تفاوت میان اقلام تعهدی واقعی و مقادیر قراردادی معادله ۱ می‌باشد.
مقیاس دوم کیم و همکاران، برای اقلام تعهدی غیرعادی DA2,که به شکل زیر محاسبه می شود:
برای هر دو رقم Sic-Code و سال، آنان، نسخه متقاطع مدل اصلاح شده جونز در معادله ۲ را برآورد کردند. باقیمانده های معادله ۲ همان DA قبل از اصلاح برای عملکرد شرکت می‌باشد.
کازنیک[۴۶](۱۹۹۹) و کوتاری[۴۷](۲۰۰۵) بیان می دارند که DAاصلاح نشد. به طور قابل ملاحظه ای با عملکرد شرکت مرتبط است. با در نظر گرفتن شیوه مطرح شده توسط کوتاری و همکاران بازده دارایی ها ROA در هر سال تطبیق می‌دهیم. سپس اقلام تعهدی، عملکرد غیرعادی، بخصوص DA2را با در نظر گرفتن تفاوت میان DA(قبل از اصلاحات بر مبنای عملکرد) و DAتطبیقی با ROAشرکت را محاسبه کردند.
