MétaCan
Menu
Retour à la cohorte
Enregistrement W6981208646

Do differences in national cultures affect cross-country financial statement comparability under IFRS?

2017· dissertation· en· W6981208646 sur OpenAlexaboutno aff

Notice bibliographique

RevueIowa Research Online (University of Iowa) · 2017
Typedissertation
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComparabilityFinancial statementEnforcementAffect (linguistics)ModerationStatement of changes in financial positionCultural diversityQuarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

I examine whether cultural differences in trust towards others, materialism, and risk aversion lower financial statement comparability between countries that require International Financial Reporting Standards (“IFRS”). Evidence from various academic disciplines suggest that cultural beliefs and values affect individuals’ estimates and judgments and their consequent decisions, including economic and financial decisions. I posit that certain cultural beliefs and values also affect the estimates and judgments of corporate managers, resulting in inconsistent reporting decisions for given economic events and lower financial statement comparability. I find that two countries have lower comparability when there are greater cultural differences in trust towards others, materialism, and risk aversion. In cross-sectional tests, I find weak evidence that stronger enforcement of IFRS moderates the cultural effects on cross-country financial statement comparability. Stronger enforcement of regulations and law does not moderate the cultural effects. These findings suggest that having a strong IFRS, regulatory, or legal enforcement does not effectively moderate the impact of culture on cross-country financial statement comparability. A possible explanation is that cultural influence on financial reporting is also manifested through enforcement officials; in other words, those in charge of the enforcement are also subject to the same cultural beliefs and values as others involved in the reporting process, making moderation less likely.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,199
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,109
Tête enseignante GPT0,459
Écart entre enseignants0,350 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIowa Research Online (University of Iowa)Même sujetChronic Kidney Disease and DiabetesTravaux en français237 207