Accounting for R&D: Evidence and Implications*
Notice bibliographique
Résumé
ABSTRACT Accounting rules require that certain R&D expenditures be capitalized, but academic research often states that all R&D expenditures must be immediately expensed. An accurate understanding of actual R&D accounting practices is critical because that understanding influences research questions and design choices. To examine the competing R&D accounting perspectives, we survey 184 experienced financial officers. Our survey reveals that R&D capitalization is common and extensive in practice. Over 90% of respondents indicate that their firm capitalizes at least some R&D expenditures, and our evidence shows that about 22% of annual R&D expenditures are capitalized. When facing an earnings shortfall, respondents indicate that firms are often willing to cut R&D expense. However, respondents also indicate an unwillingness to cut types of R&D expenses that cause long‐term harm—for example, laying off scientists or delaying the execution of trials—and they often redirect the freed‐up R&D resources to R&D expenditures that are capitalized. Using archival data, we also corroborate our survey finding about the pervasiveness of capitalized R&D, and we demonstrate its empirical implications. Our study helps to align the characterization of R&D accounting rules in the academic literature with the authoritative professional literature and provides a more nuanced understanding of firms’ R&D response to an earnings shortfall.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,012 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».