MétaCan
Menu
Retour à la cohorte
Enregistrement W3123174114 · doi:10.1111/1911-3846.12557

China's Anti‐Corruption Campaign and Financial Reporting Quality

2019· article· en· W3123174114 sur OpenAlexaffvenue
Ole‐Kristian Hope, Heng Yue, Qinlin Zhong

Notice bibliographique

RevueContemporary Accounting Research · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésLanguage changeChinaBusinessQuality (philosophy)Government (linguistics)AccountingPropensity score matchingRule of lawPoliticsEmpirical evidenceControl (management)FinanceEconomicsPolitical scienceLawManagement

Résumé

récupéré en direct d'OpenAlex

ABSTRACT We examine the impact of China's anti‐corruption campaign on firm‐level financial reporting quality (FRQ). As an important component of the anti‐corruption campaign, in October 2013, “Rule 18” was issued to prohibit party and government officials from serving as directors for publicly listed firms. The regulation led to a large number of official directors resigning from their roles as directors involuntarily. As such, Rule 18 has effectively weakened, if not fully discontinued, the political connections of the firms that previously hired officials as directors. Our empirical analyses employ a difference‐in‐differences research design with firm fixed effects and propensity‐score matching to examine the pre‐ and post‐period FRQ around the enactment of Rule 18. We find that, compared to propensity‐score‐matched control firms, FRQ of firms with resigned official directors increases after Rule 18. Further evidence suggests that the impact is stronger when firms are located in regions with more developed financial markets and in regions with higher judiciary efficiency. We also find that the effect is more pronounced when firms are non‐state‐owned, received preferential credits, and face refinancing pressure.

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)0,014
score de la tête « metaresearch » (Gemma)0,048
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,144
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,048
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,057
Tête enseignante GPT0,331
Écart entre enseignants0,274 · 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

Citations212
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207