MétaCan
Menu
Retour à la cohorte
Enregistrement W3088490719 · doi:10.5430/ijfr.v11n5p180

Analysis of Fraudulent Financial Reporting With the Role of KAP Big Four as a Moderation Variable: Crowe's Fraud's Pentagon Theory

2020· article· en· W3088490719 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueInternational Journal of Financial Research · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Governance and Financial Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNonprobability samplingAccountingModerationBusinessAuditPentagonStock exchangeLogistic regressionFinanceStatisticsLawMathematicsPolitical science

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to provide empirical evidence of pentagon fraud risk factors sush as financial targets, financial stability, number of audit committee members, nature of industry, change in auditors, auditor opinion, change in director, proportion of the independent commissary, frequent number of CEO pictures, and CEO duality on fraudulent financial reporting with KAP big four as a moderating variable. The samples in this study were all state-owned companies listed on the Indonesia Stock Exchange in 2014-2018. The purposive sampling technique was used in sampling so that 55 companies were obtained. This study uses logistic regression analysis techniques with SPSS version 26. The results of the study indicate that financial stability and the auditor's opinion influence the fraudulent financial reporting. However, financial targets, number of audit committee members, nature of industry, change in auditors, change in director, proportion of the independent commissary, frequent number of CEO pictures, and CEO duality not effect on fraudulent financial reporting.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,626
Score d'incertitude au seuil0,604

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,056
Tête enseignante GPT0,304
Écart entre enseignants0,248 · 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