MétaCan
Menu
Retour à la cohorte
Enregistrement W2146301046 · doi:10.1177/0148558x11423681

Economic Reasons for Reporting Property, Plant, and Equipment at Fair Market Value by Foreign Cross-Listed Firms in the United States

2011· article· en· W2146301046 sur OpenAlexaff
Khin Phyo Hlaing, Hamid Pourjalali

Notice bibliographique

RevueJournal of Accounting Auditing & Finance · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésBook valueProfitability indexBusinessLeverage (statistics)Equity (law)Market valueReturn on assetsFair valueDebtMonetary economicsDebt ratioMarket value addedValue (mathematics)Debt-to-equity ratioFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

This paper attempts to provide some preliminary evidence of possible implementation outcome of the use of fair value option for non-financial assets in the U.S. The characteristics of foreign-listed firms in the U.S. Stock Exchanges who use fair value (revaluation) option for measurement and reporting of property, plant and equipment (PPE) are examined. These firms already use the standard without being required to provide reconciliation to the U.S. GAAP. But only 38 of 232 firms choose to report their assets at fair value. As such, the revaluation model is not very popular among the cross-listed firms and the majority of these firms do not choose the option. We test for differences between adopters and non-adopters using leverage ratios, the intensity of PPE, firm size in terms of sales, market value, and total assets and profitability ratios. Our results show that those who adopt the fair value model for PPE (revaluers) have fundamentally different economic characteristics. We find that larger firms with higher value of PPE, and a higher ratio of the total amount of property, plant, and equipment to total assets are more likely to revalue their long-term assets. Our Probit and Factor analyses further show that larger firms with higher debt ratios (e.g., debt-to-equity), are more likely to adopt the PPE revaluation model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,237
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Accounting Auditing & FinanceMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207