MétaCan
Menu
Retour à la cohorte
Enregistrement W4407307756 · doi:10.1007/s11142-024-09868-y

Does financial information presentation format matter? Evidence from Chinese firms’ reporting of research and development expense

2025· article· en· W4407307756 sur OpenAlexafffund
Partha S. Mohanram, Wei Sun, Baohua Xin, Jigao Zhu

Notice bibliographique

RevueReview of Accounting Studies · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesHumanities and Social Sciences Youth Foundation, Ministry of Education of the People's Republic of ChinaSocial Sciences and Humanities Research Council of CanadaHEC MontréalShanghai University of Finance and EconomicsUniversity of Southern CaliforniaNational Social Science Fund of ChinaNational Office for Philosophy and Social SciencesMinistry of Education of the People's Republic of ChinaMcGill UniversityNanyang Technological UniversitySingapore Management UniversityChapman University
Mots-clésPublic financeCorporate financePresentation (obstetrics)BusinessAccountingFinanceEconomicsActuarial science

Résumé

récupéré en direct d'OpenAlex

This paper investigates the effects of a regulatory change in China of the presentation format for research and development (R&D) expense, which mandates public firms to explicitly present R&D expense on their income statements. We predict that this regulation will impact nonstate-owned enterprises (non-SOEs), which care about stock market valuation, more than state-owned enterprises (SOEs). We find that non-SOEs report significantly higher R&D expense post regulation. Furthermore, the R&D increase strengthens for firms facing higher peer pressure to pursue R&D and high-tech firms and weakens for firms with higher institutional investment. The positive valuation implication of R&D diminishes post regulation, suggesting that investors discount the increase in R&D expense. An additional analysis shows that firms’ innovation efficiency decreases post regulation.

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)0,003
score de la tête « metaresearch » (Gemma)0,070
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,121
Score d'incertitude au seuil0,938

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,070
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0000,001
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 Opus0,041
Tête enseignante GPT0,356
Écart entre enseignants0,314 · 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'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

Citations11
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReview of Accounting StudiesMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207