Misclassifying Core Expenses as Special Items: Cost of Goods Sold or Selling, General, and Administrative Expenses?
Notice bibliographique
Résumé
Abstract Prior studies of classification shifting in the income statement conclude that managers misclassify core expenses as special items to inflate reported core earnings (McVay 2006; Fan, Barua, Cready, and Thomas 2010). These studies do not distinguish between the core expense components—cost of goods sold ( COGS ) and selling, general, and administrative expenses ( SGA ). This study models COGS and SGA separately, and investigates managers’ misclassification of COGS versus SGA to meet different profitability benchmarks. We find that COGS (but not SGA ) misclassification is associated with just beating the benchmark of gross margin four quarters earlier. In comparison, both COGS and SGA misclassification are associated with just beating the benchmarks of zero core earnings, prior‐year core earnings, and analyst earnings forecasts in the fourth fiscal quarter. We also investigate real activities management ( RAM ) of COGS and SGA to meet benchmarks, and find that managers engage in RAM of COGS to achieve the gross margin benchmark, but not core earnings benchmarks. We demonstrate that unexpected SGA contains a significant misclassification effect distinct from RAM , suggesting that future RAM research should consider controlling for expense misclassification. Overall, our study extends prior literature on both classification shifting and RAM .
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 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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».