MétaCan
Menu
Retour à la cohorte
Enregistrement W2328183673 · doi:10.1111/j.1911-3846.2012.01160.x

Labor Unions and Management’s Incentive to Signal a Negative Outlook*

2012· article· en· W2328183673 sur OpenAlexaffvenue
Francesco Bova

Notice bibliographique

RevueContemporary Accounting Research · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEarningsNegotiationIncentivePosition (finance)WageProfitability indexLabour economicsOrder (exchange)EconomicsEarnings managementAction (physics)BusinessFinanceMicroeconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Evidence suggests that the negotiated wage for a unionized employee group is an increasing function of the firm’s prior profitability. As a result, managers may have an incentive to strategically signal a negative outlook to their unionized workers in order to improve the firm’s bargaining position. I assess the strategy of missing mean consensus analysts’ earnings estimates as a way for managers to signal a negative outlook to their unionized employees. I find that unionized firms are more likely to miss estimates than their nonunionized counterparts. Additionally, this propensity to miss estimates is increasing in both the firm’s percentage of unionized employees and multiunionism, but is unaffected by the timing of the signal relative to contract renewal. Finally, the increased propensity to miss estimates appears to be driven by both differences in expectations management and earnings management across the two groups. Specifically, managers of unionized firms take less action than their nonunionized counterparts to guide forecasts downward when estimates are too high, and they take more action to deflate earnings when expectations are too low. Taken together, the findings suggest that managers do seek to project a negative outlook to their unions, and that this tendency is increasing in the union’s negotiation strength.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,055
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,042
Tête enseignante GPT0,302
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations154
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207