审计需求随着企业经营权和所有权的分离而产生,而且还会由于社会分工的不断细化而加强,国际“四大”等大型会计师事务所深受利益相关者的信赖,市场上普遍认为国际“四大”的审计质量更高,但是这种信任存在一定的风险,一旦发生错报、漏报,其导致的损失将会更大。计算机技术的发展推动着机器学习和文本分析等新的研究方法在经济管理各个领域中应用与实践,提供了新的研究视角与方法。为了探究国际“四大”与审计质量间的因果效应及其因果机制,本文选取2011-2018年我国A股上市公司的数据作为研究样本,使用双重机器学习方法研究国际“四大”与审计质量间的因果效应,并从年度审计报告的文本分析结果及审计费用的视角探究其因果机制。本文利用双重机器学习对样本数据进行实证检验发现,将最接近公司实际盈余管理水平的真实盈余管理来衡量审计质量时,国际“四大”的审计质量显著高于非国际“四大”,利用传统固定效应模型得到的结果不如双重机器学习模型稳健。同时本文利用过采样、欠采样和倾向得分匹配进行稳健性检验,所得结果与原始数据的实证结果一致。在因果机制分析方面,本文利用文本分析的方法对年度审计报告进行了分析,计算了不同年度间审计报告的文本相似度,发现国际“四大”与年度审计报告文本相似度负相关,文本相似度与审计质量显著负相关,国际“四大”与非“四大”年度审计报告间的主题模型存在显著差异。国际“四大”为了维护自身的声誉、避免诉讼风险,会在充分利用自身技术优势的基础上,加大审计投入,提供更高的审计质量。本文的研究贡献体现在研究方法方面,主要集中于因果分析方法和因果机制分析视角。在进行因果推断时所采用的方法不再局限于传统的固定效应模型,而是将双重机器学习模型运用到经济管理领域,运用新方法对现有问题进行研究。同时,探究国际“四大”与审计质量间的因果机制采用了新的研究视角和研究方法,利用文本分析方法中的文本相似性和主题模型对年度审计报告进行分析,得到的结论佐证了因果推断结果。