An Analytical and Empirical Measure of the Degree of Conditional Conservatism
Notice bibliographique
Résumé
There is a profound gap between models of accounting conservatism and the proxies for conditional conservatism currently used by the empirical literature. Not one of the proxies employed by the empirical literature to date obtains from a rigorous definition of conditional conservatism. In contrast, this study defines conditional conservatism in terms of truncated distributions and derives analytically a nonlinear relation between revisions to returns and earnings news for the conservative firm. This nonlinear relation is shown to be mathematically equivalent to two linear relations conditioned on the firm’s degree of conservatism (DCON). From these relations, we derive a model-based proxy of the DCON at the firm-year level, which is a function of the determinants of conditional conservatism. To account for the endogeneity of the firm’s DCON and mitigate sample selection bias, the model is implemented empirically using a switching regression approach in which the switch point, namely, the DCON, is unobservable and endogenously determined. Consistent estimates of the parameters of the switching regression, including the endogenous determinants of conservatism posited by Watts (2003a, 2003b), are obtained by simultaneous maximum likelihood estimation. The results indicate that the DCON is a positive function of contractual information asymmetry and litigation risk but a negative function of taxes.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».