How Are Earnings Managed? An Examination of Specific Accruals*
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.
Notice bibliographique
Résumé
Abstract There is relatively little evidence on the specific accruals used to manage earnings. This paper examines this issue by considering the use of specific accruals in three earnings‐management contexts: equity offerings, management buyouts, and firms avoiding earnings decreases. We argue that the costs of managing earnings through different income statement items vary and that the benefits of earnings management through each of these items depend on the context. We thus make differential predictions regarding which specific accrual will be used to manage earnings in each of the three contexts we consider. To measure earnings management for specific accruals, we develop performance‐matched measures to capture the unexpected component of accounts receivable, inventory, accounts payable, accrued liabilities, depreciation expense, and special items. Consistent with our predictions, we find that firms issuing equity appear to prefer managing earnings upward by accelerating revenue recognition. Specifically, we find that accounts receivable for these firms are unexpectedly high. Conversely, for the management buyout context, we predict and find unexpected accounts receivable to be negative. For firms trying to avoid reporting an earnings decrease, we expect firms to be less concerned with earnings persistence and therefore more likely to use more transitory, and less costly, items to achieve their goal. We find that special items are significantly more positive for this group. This paper provides a further step toward understanding how the incentives behind earnings management affect the method used to achieve earnings goals, and it illustrates the usefulness of examining individual accruals in specific contexts.
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 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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,007 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle