Impact of Political Instability on Financial Reporting Quality in Sub-Saharan African Countries
Notice bibliographique
Résumé
Purpose: This study investigates how political instability influences the quality of financial reporting in Sub-Saharan Africa, focusing on discretionary accruals as a measure of earnings management. It aims to assess how fragile political systems contribute to reduced financial transparency and increased manipulation in corporate reporting within emerging market contexts.Methodology: Using a balanced panel of 244 listed firms from seven Sub-Saharan African countries between 2004 and 2023 (4,880 firm-year observations), the study employs pooled OLS, fixed effects, and system GMM estimators. Political risk data are sourced from the Worldwide Governance Indicators, while firm-level financials are extracted from annual reports. Diagnostic tests, including the Hausman test and cross-sectional dependence checks, ensure robust model selection and validity.Findings: The analysis reveals a positive and significant relationship between political instability and discretionary accruals, suggesting greater earnings manipulation in politically unstable environments. Conversely, audit quality and board independence are associated with reduced accrual-based earnings management, supporting agency and institutional theory perspectives on governance and transparency.Practical Implications: The findings emphasize the need for stronger institutional frameworks, independent audit oversight, and effective board governance in politically volatile economies. These measures can help reduce opportunistic reporting and enhance investor confidence in financial disclosures.Originality: This study synthesizes six theoretical perspectives to explain how political risk affects corporate reporting. It offers rare empirical insights from Sub-Saharan Africa and applies rigorous econometric techniques to advance the literature on governance and financial reporting.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».