MétaCan
Menu
Retour à la cohorte
Enregistrement W3120140758

The Factors That Influence Audit Delay In Manufacturing Companies Listed On The Indonesia Stock Exchange 2016-2017

2019· article· en· W3120140758 sur OpenAlexaff
Ester Verawati, Yuniatin Trisnawati D.K.W

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensAdidas (Canada)
Organismes subventionnairesnon disponible
Mots-clésProfitability indexAuditAccountingStock exchangeAuditor's reportNonprobability samplingBusinessGoing concernSample (material)VariablesActuarial scienceFinanceStatisticsMathematicsPopulation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Financial report is something that is very important for the sustainability of companies,especially companies that have gone public. One measure of accuracy in the submission of relevant financial statements is audit delay. This Research purposed to analyze and measure firm specific factors that influencing the audit delay, by using five independent variables there are : (1) Company Size, (2) Profitability, (3) Solvability, (4) Public Accountant Size, And (5) Auditor’s Opinion. The data was used in this research is the secondary data gotten directly by visiting the Indonesia Stock Exchange, there are the annual report of manufacturer companies 2016-2017. Sample this research is a number of 148 companies selected using purposive sampling method. Data analysis in this research using multiple linear regression analysis. The result of this research showed that profitability has positive influences on audit delay. Company size, solvability, public accountant size, and auditor’s opinion have negative influences on audit delay. The result of this research showed that these five factors simultaneously influence on Audit Delay. Based on the adjusted R2 value of 7,1% indicates that 7,1% Audit Delay variable explained by company size, profitability, solvability, public accountant size, and audit opinion. While the remaining 92,9% is explained by other variables not examinated in this study.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,227
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetManagement and Optimization TechniquesTravaux en français237 207