Pengaruh Leverage, Kepemilikan Institusional, Ukuran dan Nilai Perusahaan Terhadap Tindakan Manajemen Laba
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk menganalisis faktor-faktor yang dapat mempengaruhi tindakan manajemen laba pada perusahaan yang termasuk dalam indeks Kompas100. Variabel yang digunakan dalam menganalisis tindakan manajemen laba yaitu leverage, kepemilikan institusional, ukuran perusahaan dan nilai perusahaan. Penelitian dilakukan pada perusahaan yang berturut-turut masuk dalam indeks Kompas100 pada Bursa Efek Indonesia untuk periode 2008-2012. Teknik pengambilan sampel dengan menggunakan teknik purposive sampling, sehingga pada akhirnya diperoleh sebanyak 27 sampel perusahaan. Metode pengujian data dengan analisis regresi linier berganda. Berdasarkan hasil pengujian data, diperoleh bahwa secara simultan, leverage, kepemilikan institusional, ukuran perusahaan dan nilai perusahaan berpengaruh signifikan terhadap Manajemen Laba. Secara parsial, ukuran perusahaan berpengaruh signifikan negatif terhadap Manajemen Laba, sedangkan leverage, kepemilikan perusahaan dan nilai perusahaan tidak berpengaruh signifikan terhadap manajemen laba.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».