MétaCan
Menu
Retour à la cohorte
Enregistrement W2951961573 · doi:10.3390/su11123421

CSR-Contingent Executive Compensation Incentive and Earnings Management

2019· article· en· W2951961573 sur OpenAlexaff
Zhichuan Li, Caleb Thibodeau

Notice bibliographique

RevueSustainability · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCorporate social responsibilityExecutive compensationCompensation (psychology)IncentiveBusinessEarningsEarnings managementAccountingAgency (philosophy)Affect (linguistics)EconomicsMicroeconomicsPublic relationsPsychology

Résumé

récupéré en direct d'OpenAlex

This paper empirically studies the connection between earnings management and corporate social performance, conditional on the existence of CSR-contingent executive compensation contracts, an emerging practice to link executive compensation to corporate social performance. We find that executives are more likely to manipulate earnings to achieve their personal compensation goals when CSR rating is low, as well as their CSR-contingent compensation. Because of public pressure on their excessive total compensation, corporate executives see no need to manipulate earnings to increase compensation when their CSR-contingent compensation is already high. Our results suggest that earnings management and CSR-contingent compensation are substitute tools to serve the interests of executives, which is an agency problem that was never previously studied. Additionally, we explore how managerial characteristics affect earnings management, driven by the incentive effects of CSR-linked compensation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,079
Score d'incertitude au seuil0,597

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,201
Écart entre enseignants0,196 · 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 tête enseignante, 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

Citations54
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetCorporate Finance and GovernanceTravaux en français237 207