Cross-country determinants of IFRS for SMEs adoption
Notice bibliographique
Résumé
Purpose The purpose of this study is to identify the influence of environmental and institutional factors on the adoption of the International Financial Reporting Standard for small and medium-sized entities (IFRS for SMEs). This study used the neo-institutional theory and the economic theory of networks to explain why countries choose to adopt IFRS for SMEs. Design/methodology/approach This study is based on logistic regression analysis to investigate 177 countries, including 77 jurisdictions that adopted IFRS for SMEs between 2009 and 2015. Findings The findings confirm that the adoption of IFRS for SMEs is significantly related to law enforcement quality, culture, trading networks and economic growth. At the institutional level, coercive and normative isomorphism was found to be positively associated with IFRS for SMEs adoption. The results show also that the quality of the audit has no significant effect on the adoption of IFRS for SMEs. However, the joint effect of the quality of audit and quality of law enforcement is significantly related to the adoption of IFRS for SMEs. Practical implications The study contributes to a better understanding of the factors influencing the implementation of IFRS for SMEs standard across the globe and could be used to predict a country’s decision to adopt this standard. Originality/value This study contributes to the literature on international accounting harmonization by examining both environmental and institutional factors that influence the adoption of IFRS for unlisted private companies.
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 | 0,003 | 0,136 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».