THE IMPACT OF THREE BOARD CHARACTERISTICS, MODERATED BY CEO ATTRIBUTES, ON EARNINGS MANAGEMENT
Notice bibliographique
Résumé
Earnings management has had consequence in financial disasters, such as Enron, WorldCom and Nortel. More recently, it is alleged in the Lehman bankruptcy, which ushered in a global financial meltdown. Yet despite increased regulation and focus on governance and auditing, researchers find that earnings management remains a common practice. Accounting academics have responded to the earnings management problem by conducting studies using secondary data for governance variables and financial models to measure earnings management indirectly. Meanwhile, governance variables measured with secondary data now show little variability because of improved best practice and regulation, and there is strong evidence that the agency causal model and the earnings management measures are seriously flawed. This study uses a mixed-mode research model based on agency and stewardship theory to explain earnings management, and uses a more direct measure of its occurrence, namely the level of board information asymmetries and board monitoring and control actions, as a proxy for earnings management. Primary data is used to provide direct measures of important governance variables, which produce mixed results relative to earnings management using secondary data. In a survey of 245 Canadian public company directors, this study finds that an independent chair, less busy directors, and a smaller board does reduce earnings management, but that this impact is strongly moderated by the CEO's attributes. A CEO with stewardship attributes reduces earnings management, and a CEO with agency attributes increases earnings management. There also is evidence in the study that agency conflict variables improve governance outcomes, in this case, reducing the level of earnings management, and that board processes around monitoring and control actions could be a problem.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».