Vertical Pay Dispersion, Peer Observability, and Misreporting in a Participative Budgeting Setting
Notice bibliographique
Résumé
ABSTRACT In this study, we examine the joint effect of vertical pay dispersion and peer observability on subordinates' misreporting choices. We adopt a participative budgeting setting in which two subordinates report to one superior, and we manipulate vertical pay dispersion (low/high) and peer observability (absent/present). Subordinates have private information about actual project costs and can over‐report project costs to the superior without detection and thus create budgetary slack. When a peer's reporting choices are observable, we predict and find that peer reporting choices have an asymmetric influence on the focal subordinates' reporting choices, and this asymmetric influence depends on the level of vertical pay dispersion. Specifically, we find that when vertical pay dispersion is low, subordinates who observe peer reports containing low slack misreport less, whereas observing peer reports that contain high slack has no significant effect. However, when vertical pay dispersion is high, subordinates who observe peer reports containing high slack misreport more, whereas observing peer reports that contain low slack has no significant effect. Driven by these asymmetric effects, subordinates misreport less in the presence of peer observability than in its absence when vertical pay dispersion is low and misreport more in the presence of peer observability than in its absence when vertical pay dispersion is high. Overall, our findings suggest that when a firm has a more egalitarian pay structure (i.e., low vertical pay dispersion), an open information policy is conducive to a more honest reporting environment, whereas under a more hierarchical pay structure (i.e., high vertical pay dispersion), open information policies can compromise the honesty of subordinates' reports.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,032 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».