MétaCan
Menu
Retour à la cohorte
Enregistrement W3040271192 · doi:10.5430/ijfr.v11n3p18

The Relationships Between Managerial Overconfidence, Audit Committee, CEO Duality and Audit Quality and Accounting Misstatements

2020· article· en· W3040271192 sur OpenAlexvenueno aff
Nadiah Amirah Nor Azhari, Suhaily Hasnan, Zuraidah Mohd Sanusi

Notice bibliographique

RevueInternational Journal of Financial Research · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Teknologi MARAMinistère de l'Education Nationale, de l'Enseignement Superieur et de la Recherche
Mots-clésOverconfidence effectAccountingAuditBusinessAudit committeeCorporate governanceQuality (philosophy)Actuarial scienceFinancePsychology

Résumé

récupéré en direct d'OpenAlex

This paper discusses the relationships between managerial overconfidence, financial distress, audit committee, CEO duality and audit quality and the occurrence of material accounting misstatements by Malaysian listed companies. Managerial overconfidence and financial distress are viewed as motives for accounting misstatements in this study. Audit committee characteristics, i.e., independence and expertise of its members, CEO duality and audit quality are viewed as the ‘loopholes’ in corporate governance mechanisms that provide opportunities for proprietors to issue accounting misstatements. The sample for this study consists of 237 Malaysian listed companies, which includes data from misstated company reports with its respective matched data of non-misstated company reports. The results of this study show that financial distress and CEO duality are significantly related to the occurrence of accounting misstatements. This paper contributes to the body of knowledge on how to mitigate accounting misstatements, especially with the inclusion of the managerial overconfidence variable, which is a new addition to the research on accounting misstatements in Malaysia.

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)0,007
score de la tête « metaresearch » (Gemma)0,054
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Communication savante
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 enseignants0,305
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,054
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,112
Tête enseignante GPT0,371
Écart entre enseignants0,259 · 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.

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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207