MétaCan
Menu
Retour à la cohorte
Enregistrement W4401123267 · doi:10.1287/mnsc.2021.04035

Penny Wise and Pound Foolish: Does Striving to Meet Earnings Expectations by Manipulating Real Activities Trigger Product Recalls?

2024· article· en· W4401123267 sur OpenAlexaff
Yangyang Chen, Jeffrey Pittman, Xin Yang

Notice bibliographique

RevueManagement Science · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésEarningsIncentiveProduct (mathematics)AccountingEconomicsMarketingBusinessFinanceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

We examine whether managers’ activities in striving to reach earnings targets through real earnings manipulation affect their firms’ product recalls. Our evidence implies that firms suspected of manipulating real activities in trying to meet earnings benchmarks exhibit a higher likelihood and frequency of product recalls. In cross-sectional results consistent with expectations, we find that the impact of exploiting real activities to attain earnings benchmarks on product recalls intensifies for firms whose managers have stronger incentives to manage earnings and subsides for firms subject to greater customer power and firms with more growth opportunities. Additional analysis shows that lowering product quality to meet or beat earnings expectations undermines firms’ future performance. This paper was accepted by Ranjani Krishnan, accounting. Funding: Y. Chen acknowledges the General Research Fund of the Research Grants Council of Hong Kong [Project 15504219] for financial support. L. Ma acknowledges financial support from the Ministry of Education Project of Humanities and Social Sciences [Project 22YJC630099] and the Young Scholars Grant Program of the University of International Business and Economics [Project 20YQ06]. Supplemental Material: The online appendix and data files are available at https://doi.org/10.1287/mnsc.2021.04035 .

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,688
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0040,005
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,237
Écart entre enseignants0,227 · 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'étudeSans objet
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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207