5.5.3. Multi-period logitNext, we u

5.5.3. Multi-period logit
Next, we use a multi-period logit model instead of a single-period logit model. Note that the
majority of our independent variables in our main model do not change over time since we use
binary variables (NATGAAP, FULLIFRS, and LAW). Therefore, we use a multi-period
random effects model that is able to estimate the effects of time invariant variables.11 We
obtain data on the year of IFRS for SMEs application from the IASB’s jurisdiction profiles.
Further, we use country-specific webpages, included in the jurisdiction profiles, to collect the relevant
information.
Our multi-period logit model incorporates each country-year as a separate observation, where
countries can adopt IFRS for SMEs. Adopters are coded ‘0’ in the years before adoption and ‘1’ in
the year when IFRS for SMEs is optional or required the first time; Non-Adopters are coded ‘0’every year they are in the sample (Ramanna and Sletten 2009, Bassemir 2012). This approach
results in 640 country-year observations for 128 sample countries over the sample period
2009–2013. Moreover, we use lagged values (t21) for the continuous independent variables.
In addition, we rerun our analysis including year-dummies to examine whether IFRS adoption
does depend on time.
Model 13 in Table 9 shows that NATGAAP, FULLIFRS, GOVQUALITYas well as LAWare
statistically significant at the 1% level including time dummies. Furthermore, there is evidence
that larger economies measured by the variables LogAREA and LogGDP are less likely to
adopt IFRS for SMEs. The estimated values of the year dummies become larger over time,
suggesting that the probability of IFRS adoption is increasing over time. Taken together, the coefficients
of the multi-period random effects model are larger in magnitude than the single-period
logit coefficients.

ผลลัพธ์ (ไทย) 1:

5.5.3 logit หลายรอบถัดไป เราใช้แบบจำลอง logit หลายรอบแทนแบบจำลอง logit ระยะเดียว หมายเหตุว่าของตัวแปรอิสระในรูปแบบหลักของเราส่วนใหญ่ไม่เปลี่ยนแปลงช่วงเวลาเนื่องจากเราใช้ตัวแปรแบบไบนารี (NATGAAP, FULLIFRS และกฎหมาย) ดังนั้น เราใช้ระยะเวลาหลายแบบสุ่มลักษณะพิเศษที่สามารถประเมินผลของ variables.11 การบล็อกเวลา เราขอข้อมูลปี IFRS สำหรับ SMEs จากโพรไฟล์ของ IASB อำนาจเพิ่มเติม ใช้เว็บเพจเฉพาะประเทศ รวมในโพรไฟล์การดูแล เก็บเกี่ยวข้องข้อมูลแบบจำลอง logit หลายรอบของเราประกอบด้วยแต่ละปีประเทศเป็นสังเกตแยก ที่ประเทศสามารถนำมาใช้ IFRS สำหรับ SMEs ผู้รับบุตรบุญธรรมมีรหัส '0' ในปีก่อนที่จะยอมรับและ '1' ในปีเมื่อ IFRS สำหรับ SMEs ไม่จำเป็น หรือไม่จำเป็นครั้งแรก ผู้รับบุตรบุญธรรมไม่มีรหัส '0' อยู่ในตัวอย่าง (Ramanna และ Sletten 2009, Bassemir 2012) ทุกปี วิธีการนี้ผลลัพธ์ใน 640 ปีประเทศสังเกตสำหรับประเทศอย่าง 128 ช่วงตัวอย่างปี 2009 – 2013 นอกจากนี้ เราใช้ค่า lagged (t21) สำหรับตัวแปรอิสระอย่างต่อเนื่องนอกจากนี้ เรารันการวิเคราะห์ของเรารวมถึงหุ่นปีเพื่อตรวจสอบว่ายอมรับ IFRSขึ้นอยู่กับเวลารุ่น 13 ในตาราง 9 แสดงให้เห็นว่า NATGAAP, FULLIFRS, GOVQUALITYas เป็น LAWare ดีทางสถิติอย่างมีนัยสำคัญที่ระดับ 1% รวมถึงหุ่นครั้ง นอกจากนี้ มีหลักฐานว่า เศรษฐกิจใหญ่ที่วัด โดยตัวแปร LogAREA และ LogGDP มีแนวโน้มการนำ IFRS สำหรับ SMEs ค่าประมาณของหุ่นปีเป็นใหญ่เวลาแนะนำว่า น่ารับ IFRS จะเพิ่มช่วงเวลา ปวง สัมประสิทธิ์รุ่นผลสุ่มหลายรอบมีขนาดใหญ่กว่าระยะเดียวlogit สัมประสิทธิ์การ

ผลลัพธ์ (ไทย) 2:

5.5.3 ระยะเวลาหลาย logit
ถัดไปเราจะใช้รูปแบบ logit หลายช่วงเวลาแทนที่จะเป็นช่วงเวลาเดียวรุ่น logit โปรดทราบว่าส่วนใหญ่ของตัวแปรอิสระของเราในรูปแบบหลักของเราไม่เปลี่ยนแปลงเมื่อเวลาผ่านไปนับตั้งแต่ที่เราใช้ตัวแปรไบนารี(NATGAAP, FULLIFRS และกฎหมาย) ดังนั้นเราจึงใช้ระยะเวลาหลายผลกระทบสุ่มรูปแบบที่มีความสามารถที่จะประเมินผลกระทบของค่าคงที่เวลา variables.11 เราได้รับข้อมูลในปีIFRS สำหรับการประยุกต์ใช้ประกอบการ SMEs จาก IASB โปรไฟล์ของเขตอำนาจ. นอกจากนี้เราใช้หน้าเว็บเฉพาะประเทศ รวมอยู่ในโปรไฟล์อำนาจในการเก็บรวบรวมที่เกี่ยวข้องข้อมูล. ระยะเวลาหลายรูปแบบโลจิตของเรารวมในแต่ละปีประเทศเป็นข้อสังเกตที่แยกต่างหากที่ประเทศสามารถนำมาใช้ IFRS สำหรับ SMEs Adopters จะเขียน '0' ในปีที่ผ่านมาก่อนที่จะยอมรับและ '1' ในปีเมื่อ IFRS สำหรับ SMEs เป็นตัวเลือกหรือจำเป็นต้องใช้เป็นครั้งแรก Adopters ไม่ใช่จะเขียน 'ปี 0'every พวกเขาอยู่ในกลุ่มตัวอย่าง (Ramanna และ Sletten 2009 Bassemir 2012) วิธีนี้ส่งผลให้ข้อสังเกต 640 ประเทศปีราคา 128 ประเทศตัวอย่างในช่วงเวลาตัวอย่าง 2009-2013 นอกจากนี้เรายังใช้ lagged ค่า (T21) สำหรับตัวแปรอิสระอย่างต่อเนื่อง. นอกจากนี้เราเรียกการวิเคราะห์ของเรารวมทั้งหุ่นปีเพื่อตรวจสอบว่าการยอมรับ IFRS ไม่ขึ้นอยู่กับเวลา. รุ่นที่ 13 ในตารางที่ 9 แสดงให้เห็นว่า NATGAAP, FULLIFRS, GOVQUALITYas เดียวกับ LAWare นัยสำคัญทางสถิติที่ระดับ 1% รวมทั้งหุ่นเวลา นอกจากนี้ยังมีหลักฐานว่าเศรษฐกิจขนาดใหญ่วัดจาก LogAREA ตัวแปรและ LogGDP ที่มีโอกาสน้อยที่จะนำมาใช้IFRS สำหรับ SMEs ค่าประมาณของหุ่นปีกลายเป็นใหญ่ในช่วงเวลาที่บอกว่าน่าจะเป็นของการยอมรับ IFRS จะเพิ่มขึ้นเมื่อเวลาผ่านไป ที่ร่วมกันค่าสัมประสิทธิ์ของผลการสุ่มแบบหลายรูปแบบระยะเวลาที่มีขนาดใหญ่ขนาดกว่าช่วงเวลาเดียวสัมประสิทธิ์logit

ผลลัพธ์ (ไทย) 3:

5.5.3 . โดยใช้ระยะเวลาหลายต่อไปเราจะใช้หลายช่วง Logit แทนเดียวระยะเวลา Logit หมายเหตุที่ส่วนใหญ่ของตัวแปรอิสระของเราในรูปแบบหลักของเราไม่ได้เปลี่ยนแปลงตลอดเวลา เนื่องจากเราใช้สองตัวแปร ( natgaap กฎหมาย fullifrs และ ) ดังนั้นเราจึงใช้ระยะเวลาหลายผลสุ่มแบบที่คาดคะเนผลของค่าคงที่ variables.11 เราได้รับข้อมูลเกี่ยวกับปีของ IFRS สำหรับ SMEs การกำหนดโปรไฟล์ของสังกัดเพิ่มเติม เราใช้เฉพาะประเทศเว็บเพจ อยู่ในเขตข้อมูลที่จะเก็บที่เกี่ยวข้องข้อมูลของเราหลายระยะเวลา Logit ประกอบด้วยแต่ละประเทศปีเป็นแบบแยกที่ประเทศสามารถใช้ IFRS สำหรับ SMEs adopters รหัส ' 0 ' ในปีก่อนและการรับเลี้ยงบุตรบุญธรรม ' 1 ' ในปีเมื่อ IFRS สำหรับ SMEs เป็นทางเลือก หรือเป็นครั้งแรก ; ไม่ adopters รหัส ' 0'every ปีพวกเขาอยู่ในตัวอย่าง ( ramanna และ sletten 2009 , bassemir 2012 ) วิธีการนี้ผลลัพธ์ใน 640 ประเทศปีสังเกตช่วงเวลาสำหรับ 128 ตัวอย่างประเทศตัวอย่าง2009 – 2013 นอกจากนี้ เราใช้ค่าสัมปทาน ( t21 ) สำหรับอย่างต่อเนื่องตัวแปรอิสระ .นอกจากนี้ เราวิ่งการวิเคราะห์ของเรารวมทั้งปีให้ตรวจสอบว่า IFRS การยอมรับมันขึ้นอยู่กับเวลารุ่น 13 ตารางที่ 9 แสดงให้เห็นว่า natgaap fullifrs govqualityas รวมทั้ง laware , ,อย่างมีนัยสำคัญทางสถิติที่ระดับ 1% รวมทั้งเวลาที่คนโง่ นอกจากนี้ มีหลักฐานประเทศที่ใหญ่กว่า โดยวัดจากตัวแปร logarea loggdp น้อยลง และ มีแนวโน้มที่จะใช้ IFRS สำหรับ SMEs การประมาณค่าของปีให้กลายเป็นใหญ่ตลอดเวลาแนะนำว่า ความน่าจะเป็นของ IFRS การยอมรับเพิ่มขึ้นตลอดเวลา ได้ค่าสัมประสิทธิ์ระยะเวลาของผลแบบสุ่มหลายรูปแบบมีขนาดใหญ่ในขนาด กว่าช่วงเดียวโดยใช้ค่าสัมประสิทธิ์