De invloed van earnings management op de financiële prestaties van familiebedrijven na een intra-familiale overdracht
Notice bibliographique
Résumé
Deze masterproef gaat dieper in op de inzichten die werden verworven uit het onderzoek van Ellen Janssen (2020). Janssen (2020) concludeerde in haar onderzoek immers dat familiebedrijven waarbij de volgende generatie een aankoopprijs betaalde voor de overdracht, doorgaans beter presteren dan familiebedrijven die werden overgedragen doormiddel van een schenking of erfenis. Janssen (2020) maakte hierbij echter wel abstractie van het feit dat earnings management oftewel resultaatssturing mogelijks een rol speelde binnen deze betere financiële prestaties. O.b.v. de wetenschappelijke literatuur kon er namelijk worden vastgesteld dat er heel wat verschillende motieven bestaan voor bedrijven om over te gaan tot het sturen van hun resultaat. In deze masterproef werd daarom dan ook onderzocht of de betere financiële prestaties bij de familiebedrijven, overgedragen tegen de betaling van een aankoopprijs, het resultaat zijn van opwaartse resultaatsturing of echte prestatieverbeteringen. Hiervoor werd er gekeken naar het feit of de overdrachtsmethode (betaling aankoopprijs versus schenking of erfenis) van invloed was op het rapporteren van positieve discretionaire accruals. Uit de resultaten van de gevoerde binaire logistische regressies bleek zo dat de met opvolging gepaard gaande prestatieverhoging, bij familiebedrijven overgedragen tegen de betaling van een aankoopprijs, het resultaat is van echte prestatieverbeteringen en niet van opwaartse resultaatsturing.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,005 |
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 ».