MétaCan
Menu
Retour à la cohorte
Enregistrement W3009950523 · doi:10.5430/rwe.v11n1p20

Incentive Function of Audit Opinion for the Increase of Regional Operational Expenditure and Own-Source Revenues Through Sensitivity Analysis in Indonesia

2020· article· en· W3009950523 sur OpenAlexvenueno aff
Muhammad Ikbal Abdullah, Andi Chairil Furqan, Nina Yusnita Yamin, Fahri Eka Oktora

Notice bibliographique

RevueResearch in World Economy · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Fiscal Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIncentiveRealization (probability)RevenueAuditGovernment (linguistics)Value (mathematics)Sample (material)JavaBusinessEconomicsAccountingPublic economicsStatisticsMicroeconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

This study aims to analyze the sensitivity testing using measurements of realization of regional own-source revenues and operating expenditure and to analyze the extent of the effect of sample differences between Java and non-Java provinces by using samples outside of Java. By using sensitivity analysis, the results found the influence of audit opinion on the performance of the provincial government mediated by the realization of regional operating expenditure. More specifically, when using the measurement of the absolute value of the realization of regional operating expenditure it was found that there was a direct positive and significant influence of audit opinion on the performance of the Provincial Government. However, no significant effect of audit opinion was found on the realization value of regional operating expenditure and the effect of the realization value of regional operating expenditure on the performance of the Provincial Government. This result implies that an increase in audit opinion will be more likely to be used as an incentive for the Provincial Government to increase the realization of regional operating expenditure.

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)0,001
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 enseignants0,091
Score d'incertitude au seuil0,373

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,104
Tête enseignante GPT0,310
Écart entre enseignants0,206 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in World EconomyMême sujetEconomic Growth and Fiscal PoliciesTravaux en français237 207