Firm Structural Characteristics and Financial Reporting Quality of Listed Deposit Money Banks in Nigeria
Notice bibliographique
Résumé
<p>The quality of financial report is very crucial as published financial reports remains, for the most part, the only means by which outside shareholders and investors keep themselves informed about the performance of the firm. In the present economic scenario, this concern for financial reporting quality becomes more acute as emerging market economies and more importantly mono economies like Nigeria face greater uncertainties as they combat the challenges of unprecedented fall in oil prices. In addition to this, the suspension of the CEO, Chairman and two other directors of Stambic IBTC bank by the Financial Reporting Council of Nigeria for filling a misleading financial statement for 2013 and 2014 has also shown that the issue of financial reporting quality cannot be overemphasized. Using secondary data from the published reports of thirteen listed deposit money banks in Nigeria for over a period of ten years between 2005 and 2014, this paper seeks to find the determinants of financial reporting quality and reports the findings of the impact of structural characteristics like age, size and level of leverage on financial reporting quality. Using prio studies as a guide, we developed a model for loan loss provisions and generated the residuals, using these residuals know as abnormal loan loss provisions as the dependent variable for the multiple regression analysis, the study did not find any evidence of significant relationship between firm age, size, leverage and financial reporting quality.</p>
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 | 0,003 | 0,078 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».