Effect of Earnings Management on Economic Value Added: A China Study
Notice bibliographique
Résumé
Earnings management is the judgement exercised by managers in financial reporting, which can be used to mislead stakeholders about reported accounting numbers. Economic value added (EVA) is used to obtain the real value of shareholder wealth; however, EVA is based on financial statements and is used to measure the value of competing companies, which likely motivates managers to engage in earnings management regarding EVA. This paper thus addresses the association between earnings management and EVA in China and investigates whether earnings management influences a firm’s EVA regarding capital cost, providing investors with a method of determining the true value of enterprises. An analysis of earnings management is also presented based on data from 2003 to 2013 (excluding 2008). A significant positive relationship exists between earnings management through discretionary accruals (DAs) (Jones model, discretionary working capital accruals) and unadjusted EVA, a significant inverse relationship exists between earnings management through DAs (Jones model, current DAs, discretionary working capital accruals) and adjusted EVA (join adjusted items), a significant positive relationship exists between earnings management through DAs (current DAs) and adjusted EVA (join adjusted items and economic deprecation adjusted items), and a significant inverse relationship exists between earnings management through DAs (Jones model, discretionary working capital accruals) and adjusted EVA (join adjusted items and economic deprecation adjusted items).
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 | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 | 0,001 |
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 ».