IFRS and accounting quality: legal origin, regional, and disclosure impacts
Notice bibliographique
Résumé
Purpose The purpose of this study is to examine whether the quality of financial reporting has improved after the adoption of International Financial Reporting Standards (IFRS) in Europe and across the world. The study investigates the impact of IFRS on income smoothing and earnings management in different geographic regions under different legal origins and disclosure environments. Design/methodology/approach To measure income smoothing in the pre- and post-IFRS periods, the authors use the coefficient of variation and the panel unit root model proposed by Im et al. (2003) for testing whether net income is stationary throughout the sample period. The study uses a dynamic panel estimation framework, as it captures the dynamics of IFRS on discretionary accruals efficiently. Discretionary accruals are used to measure earnings management. Findings The results suggest that the adoption of high quality standards, such as IFRS, reduces income smoothing and earnings management. In addition, the study finds that earnings management has decreased in the post-IFRS period, in particular, for French and Scandinavian civil law countries, but not for German civil law countries and common law countries. The latter can be explained by the fact that common law countries have strong investor protection laws, strict law enforcement and high disclosure levels of financial information. The study also finds empirical evidence that the adoption of IFRS reduces earnings management in countries with high levels of financial disclosure. Overall, the study shows that the adoption of IFRS improved the quality of financial reporting. Originality/value This study is useful for accounting standard setters across the world, including those countries that have not yet decided to adopt IFRS. The study contributes to the literature by examining the adoption of IFRS in income smoothing and earnings management under different legal regimes and disclosure environments by using advanced empirical methodologies.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,015 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».