MétaCan
Menu
Retour à la cohorte
Enregistrement W2884360770 · doi:10.1108/ijaim-08-2017-0096

Financial statement effects of adopting IFRS: the Canadian experience

2018· article· en· W2884360770 sur OpenAlexaboutno aff
Eva K. Jermakowicz, Chun‐Da Chen, Han Donker

Notice bibliographique

RevueInternational Journal of Accounting and Information Management · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingInternational Financial Reporting StandardsFinancial statementBusinessEquity (law)Stock exchangeStatisticIndex (typography)OriginalityFinanceAuditPolitical science

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this study is to examine the effects of adopting International Financial Reporting Standards (IFRS) on financial statements of the largest Canadian firms (S&P/TSX 60) listed on the Toronto Stock Exchange (TSX). Design/methodology/approach This study investigates the financial statement effects of 46 companies from the S&P/TSX 60 index which report under IFRS in 2011 and switched to IFRS from CGAAP. This study used panel data analysis, which can be considered as more powerful when conducting cross-sectional and in time analysis among companies. Because of weakness of Cramer statistic on R-square, the authors used interaction terms as suggested by Hope (2007). Findings Consistent with the authors’ perceptions, this study finds that significant effects of adopting IFRS are associated with industry practices. The empirical results show that the adoption of IFRS in Canada created more relevant financial reporting for book value of equity and net income in the post-adoption periods. Originality/value This study should be of interest to the US regulators considering IFRS adoption by US publicly traded companies as well as to regulators, standard setters and listed companies in all countries worldwide that are in transition to IFRS.

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)0,006
score de la tête « metaresearch » (Gemma)0,022
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 enseignants0,941
Score d'incertitude au seuil0,425

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0060,003
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,005
Tête enseignante GPT0,216
Écart entre enseignants0,211 · 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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Accounting and Information ManagementMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207