CEO Dynamics and Real Earnings Management: A Gender Diversity Perspective from Sub-Saharan Africa
Notice bibliographique
Résumé
Sub-Saharan Africa’s (SSA) corporate environment, like many emerging markets, is marked by institutional voids, weak oversight structures, and patriarchal leadership norms, which heighten the risk of real earnings management (REM). This study examines how CEO characteristics and audit committee gender diversity influence REM among listed manufacturing firms in 12 SSA countries from 2012 to 2023. Anchored in agency theory and Upper Echelon Theory, this study draws on 1189 firm-year observations and employs Pooled OLS, Random Effects, Fixed Effects, Feasible Generalised Least Squares (FGLS), and System GMM estimators. Findings show that female CEOs are consistently associated with lower REM, underscoring the ethical conservatism linked to gender-inclusive leadership. CEO ownership shows a positive and significant association with REM in System GMM, though findings vary across models, indicating potential institutional effects. The firm size is negatively and significantly related to REM in Pooled, RE, and FGLS models, but becomes nonsignificant in FE and System GMM, suggesting the role of external scrutiny may be sensitive to model dynamics. Leverage exhibits a positive and significant relationship with REM in most models, but turns negative and nonsignificant under System GMM, pointing to endogeneity concerns. Interaction effects and country-specific regressions affirm that governance impacts differ across contexts. Policy reforms should prioritise gender-diverse leadership and tailored oversight mechanisms.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».