Impact de la structure d'actionnariat sur la gestion des résultats par les entreprises canadiennes cotées :une comparaison PCGRC-IFRS
Bibliographic record
Abstract
Les investisseurs allient des mécanismes spécifiques de gouvernance, telle que la structure d’actionnariat à une utilisation optimale des ressources de l’entreprise et à une réduction des couts d’agence pouvant améliorer la valeur de l’entreprise, et ainsi réduire la gestion des résultats. Le but de notre étude est d’analyser l’impact de la structure d’actionnariat sur la gestion des résultats via la théorie d’agence, et de comparer la gestion des résultats, et ce, avant versus après les normes IFRS. Nous avons travaillé sur un échantillon d’entreprises canadiennes composant l’indice S&P/TSX60 qui sont cotées à la bourse de Toronto. Les variables que nous avons prises en compte sont, d’une part, la gestion des résultats mesurée par la valeur absolue des accruals discrétionnaires et, d’autre part, la structure d’actionnariat mesurée par la part détenue par le principal actionnaire. En plus, des variables de contrôle. Nous avons conclu que d’une part, l’adoption des normes IFRS n’a pas influencé significativement la gestion des résultats, même si la valeur absolue moyenne de cette dernière en IFRS est inférieure à celle en PCGRC. Aussi, nos résultats montrent qu’il n’y a pas de différence significative dans la relation entre la structure d’actionnariat et la gestion des résultats en IFRS comparativement à celle en PCGRC. À la lumière de ces résultats, nous pouvons considérer que le choix d’une variable est un élément important pour expliquer les discordances constatées dans cette étude par rapport aux résultats des travaux antérieurs. ___________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Structure d’actionnariat, Gestion des résultats, Théorie d’agence, IFRS, PCGRC.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".