RESUMEN
El fraude en los estados financieros (FEF) es costoso para los inversionistas y pueden minar la credibilidad de los auditores. A fin de prevenir y detectar el fraude, es útil conocer sus causas. Sin embargo, los modelos de elección binaria (logit y probit, por ejemplo) a menudo utilizados en la literatura, no tienen en cuenta los casos de fraudes detectados y consecuentemente presentan pruebas de hipótesis poco fiables. Utilizando una muestra de 118 compañías acusadas de fraude por la Comisión de Bolsa y Valores de EE.UU. (Securities and Exchange Commission, SEC), hemos estimado un modelo logit que corrige los problemas derivados de los fraudes no detectados en las compañías estadounidenses. Para evitar problemas de multicolinealidad, hemos extraído siete factores de 28 variables, utilizando el método de componentes principales. Nuestros resultados indican que sólo el 1,43% de los casos de FEF se han dado a conocer por la SEC. De las siete variables significativas incluidas en un modelo logit tradicional y no corregido, tres en efecto no fueron consideradas significativas en un modelo corregido. La probabilidad de FEF es 5,12 veces mayor cuando el auditor de la compañía emite una opinión adversa o con reservas.
Palabras clave:
Fraude contable; AAER; Errores de clasificación; Logit; Análisis factorial