MétaCan
Menu
Retour à la cohorte
Enregistrement W3194474365 · doi:10.1111/1911-3846.12724

Auditing <scp>Non‐GAAP</scp> Measures: Signaling More Than Intended*

2021· article· en· W3194474365 sur OpenAlexvenueno aff
Spencer B. Anderson, Jessen L. Hobson, Ryan D. Sommerfeldt

Notice bibliographique

RevueContemporary Accounting Research · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAuditAccountingBusinessMeasure (data warehouse)Investment (military)MediationActuarial scienceComputer scienceDatabase

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Many companies regularly disclose non‐GAAP performance measures to communicate firm‐specific information that does not fit within the mold of GAAP reporting. However, these non‐GAAP measures may have low information content or even be misleading to investors. Thus, the question arises of whether auditors should play a larger role in the reporting of non‐GAAP measures, which currently are not audited. We run an experiment to provide ex ante evidence on the effect of auditing non‐GAAP measures. Specifically, we present investor‐participants with a non‐GAAP measure that should be used when making investment judgments (more informative) or should not be used when making investment judgments (less informative) and is either audited or is not audited. As predicted, we find that, when participants view a non‐GAAP measure that is more informative, they appropriately use the non‐GAAP measure in their investment‐related judgments, regardless of whether the measure is audited. However, also as predicted, we find that, while participants appropriately do not use a less informative non‐GAAP measure when it is not audited, participants inappropriately do use the less informative non‐GAAP measure in their investment‐related judgments when it is audited. Mediation results provide evidence consistent with audits affecting investors' reliance on non‐GAAP measures. Specifically, our results are consistent with audits of non‐GAAP measures signaling more than is intended, evidenced by investors perceiving an audited non‐GAAP measure as being useful in their investment decisions when the measure is less informative to them. Our findings suggest that regulators should exercise caution when it comes to prescribing assurance over non‐GAAP measures.

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)0,009
score de la tête « metaresearch » (Gemma)0,074
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 enseignants0,009
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,074
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,053
Tête enseignante GPT0,294
Écart entre enseignants0,241 · 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

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