MétaCan
Menu
Retour à la cohorte
Enregistrement W2587111397 · doi:10.18032/kaaba.2016.29.12.1773

The Association between Temporarily Higher Fourth-Quarter Sales Level Compared with Earlier-Quarters and Earnings Management

2016· article· en· W2587111397 sur OpenAlexaboutno aff

Notice bibliographique

RevueThe Korean Academic Association of Business Administration · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueInnovation Diffusion and Forecasting
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)EarningsAssociation (psychology)AccountingEconometricsDemographic economicsStatisticsMathematicsBusinessEconomicsPsychologyHistoryArchaeology

Résumé

récupéré en direct d'OpenAlex

본 연구는 2004년부터 2013년까지 10년간 유가증권시장에 상장된 기업들을 대상으로 1∼3분기 대비 4분기 매출액의 변화와 이익조정 간의 관계에 대하여 분석하였다. 기업의 회계정보와 이익조정 간의 관련성을 검증하는 선행연구의 결과에 따르면 여러 회계정보 가운데 매출액 관련 내용이 이익조정에 큰 영향을 미치고 있는 것으로 나타나고 있다. 구체적으로 SEC의 연구 결과는 기업의 회계 부정 가운데 70% 가량이 매출액의 조정과 관련이 있는 것으로 언급하고 있다(Dechow & Schrand, 2004).BR 매출액의 조정과 이익조정 간의 관계를 검증한 선행연구들이 전년 대비 당해 연도 매출액 변화, 또는 재량적매출액의 영향을 검증한 것과는 차별적으로 본 연구는 동일 회계기간 내 매출액 변화를 중심으로 매출액의 변화가 이익조정에 미치는 영향을 보다 직관적으로 검증하고자 하였다. 구체적으로 본 연구는 회계정보와 이익조정 간의 관련성을 검증함에 있어 매출액 정보, 그 가운데 특히 1∼3분기 매출액 대비 4분기 매출액 변화를 중심으로 검증을 실시하였다. 1∼3분기 매출액 대비 4분기 매출액의 증가가 선행연구에서 우려하는 회계 부정과 관련이 있는 매출액의 기간 조정을 의미한다면 이와 같은 일시적 매출액 증가는 이익조정과 관련이 있을 것으로 예상된다.BR 본 연구의 실증분석 결과에서는 1∼3분기 대비 4분기 매출액이 증가하는 기업의 경우에 이익조정이 상대적으로 큰 것으로 나타났다. 본 연구는 이러한 결과에 대하여 선행연구에서 회계 부정의 큰 부분을 차지하고 있는 매출 관련 판매 시기의 일시적 조정이 이익조정과 관련이 있는 것으로 판단하였다. 그리고 1∼3분기 대비 4분기 매출액 증가에 대한 이익조정 증가는 당기 대비 차기 매출액이 감소하는 경우와 전기 대비 당기 영업활동현금흐름이 감소하는 경우에 특히 강건하게 유지되는 것으로 나타났다. 상기 실증분석 결과는 이익조정측정 방식, 기업규모, 감사품질의 차별성 등의 효과를 통제한 이후에도 강건하게 유지되는 것으로 나타났다.BR 본 연구의 결과는 분기간 매출액 변동을 이용한 이익조정 검증 시에 회귀분석식에서 추출되는 잔차, 즉 비정상매출액을 이용한 선행연구와는 달리 보다 직관적으로 매출액 변동을 인지할 수 있는 일시적 매출액 변동을 이용한 검증을 실시하였다는 점에서 차별성이 존재한다.BR 본 연구의 결과는 1∼3분기 대비 4분기에 매출액을 일시적으로 증가시키는 기업의 이익조정 차이를 밝혀냈다는 점에서 정책적 시사점이 존재할 것으로 기대한다. 향후 매출액과 이익조정 간의 관계 규명 시에는 매출액 자체, 연도간 매출액 차이, 재량적매출액뿐만 아니라 1∼3분기 대비 4분기 매출액의 증가와 같이 특정 시기에 매출액을 일시적으로 증가시키고자 하는 기업의 행태에도 주의를 기울일 필요가 있을 것이다.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,023
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,001

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,313
Écart entre enseignants0,236 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Korean Academic Association of Business AdministrationMême sujetInnovation Diffusion and ForecastingTravaux en français237 207