3. Research design3.1. DataThe data

3. Research design
3.1. Data
The data for this study were collected from the Thomson ONE Banker database. For the US, we include all firms listed
on the NYSE and NASDAQ for the eight-year period from 2005 to 2012; that is, four years before and four years after the
XBRL use mandate transpired in the US (see Fig. 1). The SEC implemented a “phase-in” approach (Srivastava and Kogan,
2010) and mandated that publicly listed US firms file their financial statements in XBRL format in accordance with their
market capitalization (i.e. above USD5 billion from June 15, 2009, between USD700 million and USD5 billion from June 15,
2010, and the remaining firms from June 15, 2011) (SEC, 2009). Thus, for the US firms, the 2005–2008 period is denoted as
pre-XBRL and the 2009–2012 period as post-XBRL. After removing voluntary XBRL users4 before 2009 and firms with missing
data, our US data set contains 17,010 firm-year observations.
The Japanese data set includes all firms listed on the TSE for the 2004–2011 period. Because the Japanese FSA mandated that
all publicly listed firms must file their financial statements in XBRL format from April 2008 (Bai et al., 2013; FSA, 2008; Kobayashi,
2008), we consider the four-year pre-XBRL and post-XBRL periods as 2004–2007 and 2008–2011, respectively (see Fig. 1). After
eliminating missing data for the variables, the Japanese data set consists of 7067 firm-year observations.
3.2. Model development
The regression model used to examine the effect of XBRL on audit fees (H1a) and the moderation effect of XBRL and firm
size on audit fees in the US and Japan (H1b) is represented as follows:
AUDITFEES i =α +β1XBRLi +β2FIRMSIZEi +β3XBRLi × FIRMSIZEi +β4DERATIO EPS SALES TOBINSQ
BIG FORASSET F
i i i i
i i
+ + +
+ + +
β β β
β β β
5 6 7
8 4 9 10
Δ Δ
ORSUBi RTARATIOi ITARATIOi j YEARi INDUSTRY
j
+ + + + k i
= Σ
β11 β12 γ η
1
8
k
i
= Σ
+
1
11
ε
Model (1)
To investigate the difference in the interaction of XBRL use and firm size between the US and Japan (H2), we use an expanded
model (see Model 2) to estimate the significance of the differences (t-test) in the pairs of estimated coefficients reported
in the US and Japanese data sets – β3 (USA) versus β3 (Japan), as follows:
t
fUSA
-difference USA-JAPAN
XBRL FIRMSIZE XBRL FIRMS
( )
=
β1 ,β2 ,β3 ∗ IZE DERATIO EPS SALES
TOBINSQ BIG FORASSE
, , , ,
, ,
β β β
β β β
4 5 6
7 8 4 9
( Δ Δ
T FORSUB RTARATIO ITARATIO
XBRL FIR
i t , , ,
,
, β β β
β β
10 11 12
1 2
)
f JAPAN MSIZE XBRL FIRMSIZE DERATIO EPS SALES
TOBINS
,β ,β ,β ,β ,
β
3 4 5 6
7
( ∗ Δ Δ
Q BIG FORASSET FORSUB RTARATIO ITARATIO i t , , , , , , β8 4 β9 β10 β11 β12 )
⎧
⎨ ⎪⎪
⎩ ⎪⎪
Model (2)
3 Early evidence supports the plausibility of this argument. For example, before XBRL was implemented in the US, accounting fraud and improper disclosures
constituted more than 25 percent of the SEC’s civil enforcement actions. This figure dropped to 11 percent in 2012, after XBRL use was first mandated
(Eaglesham, 2013).
4 Before the XBRL mandate took effect in the US, the SEC accepted voluntary XBRL filing. A number of corporate filers voluntarily filed statements to
the SEC in XBRL format (see Premuroso and Bhattacharya, 2008). These filers were removed from the US data set.
Y.G. Shan et al./Journal of Contemporary Accounting & Economics 11 (2015) 89–103 93
3.3. Dependent variable
Our dependent variable is represented by audit fees (AUDITFEES), which have been widely used in prior research as a
proxy of firm audit costs (see e.g. Boo and Sharma, 2008; Elder et al., 2009; Fleischer and Goettsche, 2012; Leventis et al.,
2011; O’Sullivan, 2000; Zaman et al., 2011). In accordance with prior research, we measure AUDITFEES as the natural logarithm
of total audit fees at the end of the fiscal year.We note that audit fees are consistently disclosed by US and Japanese
publicly listed firms in their annual financial statements.
3.4. Independent variables
XBRL and firm size (FIRMSIZE) denote the independent variables of interest in this study. Following Premuroso and
Bhattacharya (2008), XBRL is measured as a dummy variable, coded as 1 if the firm is an XBRL filer, and 0 otherwise. This
coding was carried out consistently with the phased-in approach that was adopted by the SEC in the US. Consistent with
prior research in the accounting and audit literature (see e.g. Abbott et al., 2007; Gul et al., 2007; Lai, 2009; Premuroso and
Bhattacharya, 2008), we measure FIRMSIZE as the natural logarithm of total assets at the end of the fiscal year.
3.5. Control variables
We define our control variables as follows. The debt-to-equity ratio (DERATIO) is measured as the ratio of long-term debt
to total equity (e.g. Seetharaman et al., 2002); change of earnings per share (ΔEPS) is computed as the difference between
EPS at year t and EPS at year t–1 (e.g. Chen and Zhang, 2010); change of sales ratio (ΔSALES) is calculated as the difference
between sales at year t and sales at year t–1, divided by sales at year t–1 (e.g. Houqe et al., 2012); Tobin’s Q (TOBINSQ) represents
a market performance indicator and is computed as the ratio of the market value of stock and the book value of
debt divided by the book value of total assets (e.g. Shan, 2014); Big 4 auditor (BIG4) is a dummy variable, coded as 1 if the
firm is audited by a big-4 auditor, and 0 otherwise (e.g. Premuroso and Bhattacharya, 2008); foreign assets ratio (FORASSET)
represents the percentage of total assets held in a foreign country (e.g. Casterella et al., 2004; Seetharaman et al., 2002);
foreign subsidiaries (FORSUB) equals the natural logarithm of 1 plus the number of foreign subsidiaries (e.g. Leventis et al.,
2011); RTARATIO is the ratio of total receivables to total assets (e.g. De George et al., 2013); ITARATIO is the ratio of total
inventory to total assets (e.g. De George et al., 2013); year dummies represent the dummy variables that reflect the 2005–
2012 period in the US and the 2004–2011 period in Japan; and industry dummies are based on the two-digit US Standard
Industry Classification (SIC) and represent 11 industries: agriculture, forestry and fishing; construction; finance, insurance
and real estate; mining; public administration; retail trade; services; transportation and communication; electric, gas and
sanitary; wholesale trade; manufacturing.

ผลลัพธ์ (ไทย) 1:

3. วิจัยออกแบบ3.1. ข้อมูลข้อมูลสำหรับการศึกษานี้ได้รวบรวมจากฐานข้อมูลของนายทอมหนึ่ง สำหรับสหรัฐอเมริกา เรารวมบริษัททั้งหมดที่แสดงรายการNYSE และ NASDAQ ปีแปดปี 2005 2555 นั่นคือ สี่ปีก่อนและปีที่ 4 หลังจากข้อบังคับการใช้ XBRL transpired ในสหรัฐอเมริกา (ดู Fig. 1) วินาทีที่ใช้วิธี "phase-in" (Srivastava และ Kogan2010) และกำหนดที่อยู่ทั่วไปสหรัฐฯ บริษัทยื่นงบการเงินในรูปแบบ XBRL ในสอดคล้องกับความตลาดใหญ่ (เช่นเหนือ USD5 พันล้านที่ 15 มิถุนายน 2552 ระหว่าง USD700 ล้าน และ USD5 พันล้านจากที่ 15 มิถุนายน2010 และบริษัทที่เหลือจากที่ 15 มิถุนายน 2011) (วินาที 2009) ดังนั้น สำหรับบริษัทสหรัฐอเมริกา ระยะเวลาปี 2005 – 2008 คุณสามารถระบุเป็นก่อน XBRL และระยะ 2009-2012 เป็นไปรษณีย์ XBRL หลังจากเอาออก users4 XBRL ความสมัครใจก่อน 2009 และบริษัท มีขาดหายไปข้อมูล ชุดข้อมูลของสหรัฐฯ ประกอบด้วยข้อสังเกตบริษัทปี 17,010ชุดข้อมูลญี่ปุ่นรวมถึงบริษัททั้งหมดที่อยู่ในการซื่อในช่วงปี 2004-2011 เนื่องจาก FSA ญี่ปุ่นบังคับที่บริษัทอยู่ทั่วไปทั้งหมดต้องยื่นงบการเงินในรูปแบบ XBRL จาก 2008 เมษายน (ไบ et al., 2013 FSA, 2008 โคะบะยะชิ2008), เราพิจารณาสี่ปีก่อน XBRL และ XBRL ลงรายการบัญชีรอบระยะเวลาเป็นปี 2004-2007 และ 2008-2011 ตามลำดับ (ดู Fig. 1) หลังจากกำจัดข้อมูลที่ขาดหายไปสำหรับตัวแปร ข้อมูลชุดญี่ปุ่นประกอบสังเกตบริษัทปี 70673.2 รุ่นพัฒนาแบบจำลองถดถอยที่ใช้ในการตรวจสอบผลของ XBRL ในการตรวจสอบ (H1a) และดูแลผลของ XBRL และบริษัทขนาดในการตรวจสอบในสหรัฐอเมริกาและญี่ปุ่น (h1b ทำไง) จะถูกแสดงต่อไปนี้:AUDITFEES ฉัน =ด้วยกองทัพ + β1XBRLi + β2FIRMSIZEi + β3XBRLi × FIRMSIZEi + β4DERATIO TOBINSQ ขาย EPSF FORASSET ใหญ่ฉันฉันฉันฉันฉันฉัน+ + ++ + +ΒΒΒΒΒΒ5 6 78 4 9 10ΔΔยอดยอดORSUBi RTARATIOi ITARATIOi เจ YEARi อุตสาหกรรมเจ+ + + + k i=ΣΒ11 Β12 ΓΗ18kฉัน=Σ+111Εรูปแบบ (1)การตรวจสอบความแตกต่างในการโต้ตอบใช้ XBRL และขนาดของบริษัทระหว่างสหรัฐอเมริกาและญี่ปุ่น (H2), เราใช้การขยายรูปแบบ (ดูรูป 2) เพื่อประเมินความสำคัญของความแตกต่าง (t-ทดสอบ) ในคู่ของสัมประสิทธิ์ประเมินรายงานในสหรัฐอเมริกาและญี่ปุ่นชุดข้อมูล – β3 (สหรัฐอเมริกา) กับ β3 (ญี่ปุ่น), เป็นดังนี้:tfUSA-สหรัฐอเมริกาญี่ปุ่นความแตกต่างบริษัท XBRL FIRMSIZE XBRL( )=Β1, Β2, Β3 ∗ภาย DERATIO ขาย EPSTOBINSQ FORASSE ใหญ่, , , ,, ,ΒΒΒΒΒΒ4 5 67 8 4 9(ΔยอดΔยอดT FORSUB RTARATIO ITARATIOเฟอร์ XBRLฉัน t,ΒΒΒΒΒ10 11 121 2)ญี่ปุ่น m ขนาด XBRL FIRMSIZE DERATIO EPS ขาย fTOBINSΒ Β Β ΒΒ3 4 5 67(∗ΔยอดΔยอดQ บิ๊ก FORASSET FORSUB RTARATIO ITARATIO ฉัน t,,,,,, β8 4 β9 β10 β11 β12)⎧⎨ ⎪⎪⎩ ⎪⎪แบบจำลอง (2)หลักฐานเริ่มต้นที่ 3 สนับสนุนทางอาร์กิวเมนต์นี้ ตัวอย่าง ก่อน XBRL ได้ดำเนินการในสหรัฐอเมริกา บัญชีทุจริตและเปิดเผยข้อมูลที่ไม่เหมาะสมทะลักมากกว่า 25 เปอร์เซ็นต์ของการดำเนินการบังคับใช้ประมวลกฎหมายแพ่งของ SEC ตัวเลขนี้ลดลงร้อยละ 11 ใน 2012 หลังจากที่ครั้งแรกถูกบังคับใช้ XBRL(Eaglesham, 2013)4 ก่อนอาณัติ XBRL เอาผลในสหรัฐอเมริกา วินาทีที่รับยื่นเอกสาร XBRL ความสมัครใจ จำนวนรเจ็คบริษัทยื่นงบให้ด้วยความสมัครใจวินาทีใน XBRL รูป (ดู Premuroso และ Bhattacharya, 2008) รเจ็คเหล่านี้ถูกเอาออกจากชุดข้อมูลของสหรัฐอเมริกาY.G. ชาน et al./สมุด รายวันของบัญชีร่วมสมัยและเศรษฐศาสตร์ 11 (2015) 93 89-1033.3. ขึ้นอยู่กับตัวแปรแสดง โดยค่าธรรมเนียมตรวจสอบ (AUDITFEES), ซึ่งได้ถูกใช้ในการวิจัยก่อนเป็นตัวแปรของเราขึ้นอยู่กับการพร็อกซีของบริษัทตรวจสอบต้นทุน (ดูเช่น Boo และ Sharma, 2008 พี่เอ็ด al., 2009 Fleischer และ Goettsche, 2012 Leventis et al.,2011 โรงง 2000 Zaman et al., 2011) สอดคล้องกับงานวิจัยก่อนหน้านี้ เราวัด AUDITFEES เป็นลอการิทึมธรรมชาติค่าธรรมเนียมตรวจสอบผลรวมในตอนท้ายของปี เราทราบว่า ค่าธรรมเนียมการตรวจสอบอย่างต่อเนื่องจะเปิดเผย โดยสหรัฐอเมริกาและญี่ปุ่นบริษัทอยู่ทั่วไปในงบการเงินประจำปี3.4. ตัวแปรอิสระXBRL และขนาดของบริษัท (FIRMSIZE) แสดงตัวแปรอิสระที่น่าสนใจในการศึกษานี้ ต่อ Premuroso และBhattacharya (2008) XBRL จะวัดเป็นตัวแปรกระพริบ รหัสเป็น 1 ถ้าบริษัทมาเป็นตัว XBRL, 0 อื่นใด นี้รหัสถูกดำเนินการอย่างต่อเนื่องเข้ามาสู่ในวิธีที่ถูกนำมาใช้ โดยวินาทีในสหรัฐอเมริกา สอดคล้องกับงานวิจัยก่อนหน้านี้ในวรรณคดีการบัญชีและการตรวจสอบ (ดู:เช่นแอ็บ et al., 2007 Gul et al., 2007 ไหล 2009 Premuroso และBhattacharya, 2008), เราวัด FIRMSIZE เป็นลอการิทึมของสินทรัพย์เมื่อสิ้นสุดปีบัญชี3.5 การควบคุมตัวแปรเรากำหนดตัวแปรควบคุมของเราดังนี้ อัตราส่วนหนี้สินต่อทุน (DERATIO) การวัดเป็นอัตราส่วนของหนี้ระยะยาวการถือหุ้น (เช่น Seetharaman และ al., 2002); คำนวณเป็นความแตกต่างระหว่างการเปลี่ยนแปลงของกำไรต่อหุ้น (ΔEPS)EPS ปี t และ EPS ปี t-1 (เช่นเฉินและเตียว 2010); เปลี่ยนแปลงของอัตราส่วนการขาย (ΔSALES) จะคำนวณเป็นส่วนต่างระหว่างขายที่ t ปีที่ t – 1 ปี หารขายปี t-1 (เช่น Houqe และ al., 2012); ถึงคิวของ Tobin (TOBINSQ)ตัวบ่งชี้ประสิทธิภาพของตลาด และคำนวณเป็นอัตราส่วนของ market value ของหุ้นและมูลค่าตามบัญชีของหนี้สินหาร ด้วยมูลค่าของสินทรัพย์รวม (เช่นไทใหญ่ 2014); สอบ 4 บิ๊ก (BIG4) คือ ตัวแปรกระพริบ รหัสเป็น 1 ถ้าการบริษัทจะตรวจสอบ ด้วยการสอบใหญ่-4, 0 อื่น ๆ (เช่น Premuroso และ Bhattacharya, 2008); อัตราส่วนสินทรัพย์ต่างประเทศ (FORASSET)แสดงเปอร์เซ็นต์ของสินทรัพย์รวมที่จัดขึ้นในต่างประเทศ (เช่น Casterella และ al., 2004 Seetharaman และ al., 2002);บริษัทในต่างประเทศ (FORSUB) เท่ากับลอการิทึม 1 บวกจำนวนของบริษัทในเครือที่ต่างประเทศ (เช่น Leventis et al.,2011); RTARATIO คือ อัตราส่วนของลูกหนี้รวมสินทรัพย์ทั้งหมด (เช่นเดจอร์จเอ็ด al., 2013); ITARATIO คือ อัตราส่วนของผลรวมสินค้าคงคลังสินทรัพย์ (เช่นเดจอร์จเอ็ด al., 2013); ปีหุ่นแทนตัวแปรกระพริบที่แสดง 2005 –ระยะเวลา 2012 ในสหรัฐอเมริกาช่วงปี 2004-2011 ในญี่ปุ่น และอุตสาหกรรมหุ่นอยู่เลขสองหลักเรามาตรฐานการจัดประเภทอุตสาหกรรม (SIC) และแสดงถึง 11 อุตสาหกรรม: เกษตร ป่าไม้ และ ประมง ก่อสร้าง ทางการเงิน ประกันภัยและ อสังหาริมทรัพย์ เหมืองแร่ บริหารราชการ ค้าปลีก บริการ ขนส่งและการสื่อสาร ไฟฟ้า ก๊าซ และสุขาภิบาล ค้าส่งค้า ผลิต

ผลลัพธ์ (ไทย) 2:

3. การออกแบบการวิจัย
3.1 ข้อมูลข้อมูลสำหรับการศึกษานี้ได้ถูกรวบรวมจากฐานข้อมูลทอมสันหนึ่งในธนาคาร
สำหรับสหรัฐอเมริกาเรารวมทุก บริษัท
จดทะเบียนในตลาดหุ้นนิวยอร์กและแนสแด็กสำหรับรอบระยะเวลาแปดปี2005-2012; ว่ามีที่สี่ปีก่อนและอีกสี่ปีหลังจากที่คำสั่งการใช้งาน XBRL transpired ในสหรัฐอเมริกา (ดูรูปที่ 1).
ก.ล.ต. ดำเนินการ "เฟสใน" วิธีการ (Srivastava และ Kogan,
2010) และได้รับคำสั่งว่า บริษัท จดทะเบียนในตลาดหลักทรัพย์ของสหรัฐยื่นงบการเงินของพวกเขาในรูปแบบ XBRL
สอดคล้องกับของพวกเขามูลค่าหลักทรัพย์ตามราคาตลาด(เช่นข้างต้น USD5 พันล้านดอลลาร์จาก 15 มิถุนายน 2009 ระหว่าง USD700 ล้านบาทและ USD5 พันล้านดอลลาร์จาก 15 เดือนมิถุนายน,
ปี 2010 และ บริษัท ที่เหลือจาก 15 มิถุนายน 2011) (ก.ล.ต. 2009) ดังนั้นสำหรับ บริษัท สหรัฐ 2005-2008
ระยะเวลาที่จะแสดงเป็นก่อนXBRL และงวด 2009-2012 เป็นโพสต์ XBRL หลังจากลบ users4 XBRL สมัครใจก่อนปี 2009 และ บริษัท
ที่มีขาดหายไปข้อมูลชุดข้อมูลของเราสหรัฐมีข้อสังเกตบริษัท 17,010 ปี.
ชุดข้อมูลที่ญี่ปุ่นรวมถึงทุก บริษัท ที่จดทะเบียนใน TSE สำหรับงวด 2004-2011 เพราะญี่ปุ่น FSA
ได้รับคำสั่งว่าทุกบริษัท ที่จดทะเบียนในตลาดหลักทรัพย์ต้องยื่นงบการเงินของพวกเขาในรูปแบบ XBRL ตั้งแต่เดือนเมษายน 2008 (ใบ et al, 2013;. FSA 2008; โคบายาชิ,
2008) เราพิจารณาสี่ปี XBRL ก่อนและหลัง ระยะเวลา XBRL เป็น 2004-2007 และ 2008-2011 ตามลำดับ (ดูรูปที่ 1). หลังจากที่การขจัดข้อมูลที่ขาดหายไปสำหรับตัวแปรชุดข้อมูลที่ญี่ปุ่นประกอบด้วยการสังเกต 7067 บริษัท ปี. 3.2 การพัฒนารูปแบบแบบการถดถอยที่ใช้ในการตรวจสอบผลกระทบของ XBRL ค่าธรรมเนียมการตรวจสอบ (H1A) และผลการดูแลของ XBRL และ บริษัท ขนาดค่าสอบบัญชีในสหรัฐอเมริกาและญี่ปุ่น (H1b) เป็นตัวแทนดังนี้AUDITFEES i = α + β1XBRLi + β2FIRMSIZEi + β3XBRLi× FIRMSIZEi + β4DERATIOกำไรต่อหุ้นขาย TOBINSQ BIG FORASSET F ฉัน iii ii + + + + + + เบต้าเบต้าเบต้าเบต้าเบต้าเบต้า5 6 7 8 4 9 10 ΔΔ ORSUBi RTARATIOi ITARATIOi เจ YEARi อุตสาหกรรมเจ+ + + + ki = Σβ11β12แกมมาη 1 8 k ฉัน= Σ + 1 11 εรุ่น (1) เพื่อศึกษาความแตกต่างในการทำงานร่วมกันในการใช้ XBRL และขนาดของ บริษัท ระหว่างสหรัฐและญี่ปุ่น (H2) เราจะใช้ที่มีการขยายรูปแบบ(ดูรุ่น 2 ) เพื่อประเมินความสำคัญของความแตกต่าง (t-test) ในคู่ของสัมประสิทธิ์ประมาณรายงานในสหรัฐอเมริกาและชุดข้อมูลญี่ปุ่น- β3 (USA) เมื่อเทียบกับβ3 (ญี่ปุ่น) ดังต่อไปนี้: เสื้อFUSA -difference สหรัฐอเมริกาญี่ปุ่นXBRL FIRMSIZE FIRMS XBRL () = β1, β2, β3 * IZE DERATIO กำไรต่อหุ้นขายTOBINSQ BIG FORASSE,,,,, เบต้าเบต้าเบต้าเบต้าเบต้าเบต้า4 5 6 7 8 4 9 (ΔΔ T FORSUB RTARATIO ITARATIO XBRL FIR มัน, ,, βββββ 10 11 12 1 2) ฉญี่ปุ่น MSIZE XBRL FIRMSIZE DERATIO กำไรต่อหุ้นขายTOBINS, β, β, β, β, β 3 4 5 6 7 (* ΔΔ Q BIG FORASSET FORSUB RTARATIO ITARATIO มัน, ,,,, β8 4 β9β10β11β12) ⎧⎨⎪⎪⎩⎪⎪รุ่น(2) 3 หลักฐานสนับสนุนเหอะต้นของการโต้แย้งนี้ ตัวอย่างเช่นก่อน XBRL ถูกนำมาใช้ในสหรัฐอเมริกา, การบัญชีและการเปิดเผยข้อมูลการทุจริตที่ไม่เหมาะสมประกอบด้วยมากกว่าร้อยละ25 ของการกระทำการบังคับใช้พลเรือนของคณะกรรมการ ก.ล.ต. ตัวเลขนี้ลดลงถึงร้อยละ 11 ในปี 2012 หลังจากที่ใช้ XBRL ได้รับคำสั่งแรก(Eaglesham 2013). 4 ก่อนที่จะสั่ง XBRL มีผลในสหรัฐอเมริกาสำนักงานคณะกรรมการ ก.ล.ต. ได้รับการยอมรับการยื่น XBRL สมัครใจ จำนวนของ filers องค์กรยื่นงบสมัครใจในการที่คณะกรรมการก.ล.ต. ในรูปแบบ XBRL (ดู Premuroso และ Bhattacharya, 2008) เหล่านี้ filers ถูกถอดออกจากชุดข้อมูลในสหรัฐอเมริกา. YG ฉาน et al. / วารสารร่วมสมัยบัญชีและเศรษฐศาสตร์ 11 (2015) 89-103 93 3.3 ตัวแปรตามตัวแปรตามของเราเป็นตัวแทนจากค่าสอบบัญชี (AUDITFEES) ซึ่งได้รับการใช้กันอย่างแพร่หลายในการวิจัยก่อนเป็นผู้รับมอบฉันทะจากค่าใช้จ่ายในการตรวจสอบบริษัท (ดูเช่นบูและชาร์ 2008; พี่ et al, 2009;. Fleischer และ Goettsche 2012 ; Leventis, et al. 2011; ซัลลิแวน, 2000. Zaman et al, 2011) สอดคล้องกับงานวิจัยก่อนหน้านี้เราวัด AUDITFEES เป็นลอการิทึมธรรมชาติของค่าสอบบัญชีรวมณ สิ้นปีเราทราบงบการเงินที่ตรวจสอบค่าใช้จ่ายได้เปิดเผยอย่างต่อเนื่องโดยในสหรัฐอเมริกาและญี่ปุ่นบริษัท จดทะเบียนในงบการเงินประจำปีของพวกเขา. 3.4 ตัวแปรอิสระXBRL และขนาดของ บริษัท (FIRMSIZE) หมายถึงตัวแปรอิสระที่น่าสนใจในการศึกษาครั้งนี้ ต่อไปนี้ Premuroso และBhattacharya (2008), XBRL เป็นวัดที่เป็นตัวแปรหุ่นกำหนดเป็น 1 ถ้า บริษัท เป็น Filer XBRL และ 0 เป็นอย่างอื่น นี้การเข้ารหัสได้ดำเนินการอย่างต่อเนื่องกับวิธีการที่จะค่อย ๆ ในที่ได้รับการรับรองโดยสำนักงานคณะกรรมการ ก.ล.ต. ในสหรัฐอเมริกา สอดคล้องกับงานวิจัยก่อนในวรรณคดีการบัญชีและการตรวจสอบ (ดูเช่นแอ๊บบอต et al, 2007;. กุล et al, 2007;. ลาย 2009; Premuroso และ Bhattacharya, 2008) เราวัด FIRMSIZE เป็นลอการิทึมธรรมชาติของสินทรัพย์รวมที่ ในตอนท้ายของปีงบประมาณ. 3.5 ตัวแปรควบคุมเรากำหนดตัวแปรควบคุมของเราดังต่อไปนี้ อัตราส่วนหนี้สินต่อส่วนของผู้ถือหุ้น (DERATIO) เป็นวัดที่เป็นอัตราส่วนของหนี้ระยะยาวต่อทุนรวม(เช่น Seetharaman et al, 2002.); การเปลี่ยนแปลงของกำไรต่อหุ้น (ΔEPS) คำนวณเป็นความแตกต่างระหว่างกำไรต่อหุ้นในปีที่t และกำไรต่อหุ้นในปีที่ t-1 (เช่นเฉินและวอชิงตันโพสต์ 2010); การเปลี่ยนแปลงต่อยอดขาย (ΔSALES) จะถูกคำนวณเป็นความแตกต่างระหว่างการขายที่t ปีและยอดขายในปีที่ t-1 โดยแบ่งเป็นยอดขายในปีที่ t-1 (เช่น Houqe et al, 2012.); โทบินของ Q (TOBINSQ) แสดงให้เห็นถึงตัวบ่งชี้ประสิทธิภาพของตลาดและมีการคำนวณอัตราส่วนของมูลค่าตลาดของหุ้นและมูลค่าตามบัญชีของหนี้หารด้วยมูลค่าตามบัญชีของสินทรัพย์รวม(เช่นฉาน 2014); บิ๊กของผู้สอบบัญชี 4 (BIG4) เป็นตัวแปรหุ่นกำหนดเป็น 1 ถ้าบริษัท มีการตรวจสอบโดยผู้สอบบัญชีขนาดใหญ่ 4 คนและ 0 เป็นอย่างอื่น (เช่น Premuroso และ Bhattacharya, 2008); อัตราส่วนสินทรัพย์ต่างประเทศ (FORASSET) แสดงถึงเปอร์เซ็นต์ของสินทรัพย์รวมที่จัดขึ้นในต่างประเทศ (เช่น Casterella et al, 2004;. Seetharaman et al, 2002.) บริษัท ย่อยในต่างประเทศ (FORSUB) เท่ากับลอการิทึมธรรมชาติของ 1 บวกกับจำนวนของต่างประเทศ บริษัท ย่อย (เช่น Leventis, et al. 2011); RTARATIO เป็นอัตราส่วนของลูกหนี้รวมต่อสินทรัพย์รวม (เช่นจอร์จเดอ et al, 2013.); ITARATIO คืออัตราส่วนของจำนวนสินค้าคงคลังต่อสินทรัพย์รวม(เช่นจอร์จเดอ et al, 2013.); หุ่นปีเป็นตัวแทนของตัวแปรดัมมี่ที่สะท้อนให้เห็นถึง 2005- ปี 2012 ระยะเวลาในสหรัฐอเมริกาและ 2004-2011 ระยะเวลาในญี่ปุ่น และหุ่นอุตสาหกรรมจะขึ้นอยู่กับทั้งสองหลักบาทมาตรฐานอุตสาหกรรมการจำแนกประเภท (SIC) และเป็นตัวแทนของ 11 อุตสาหกรรม: เกษตรป่าไม้และประมง การก่อสร้าง; การเงินประกันภัยและอสังหาริมทรัพย์ การทำเหมืองแร่; การบริหารราชการ; การค้าปลีก; บริการ การขนส่งและการสื่อสาร ไฟฟ้าก๊าซและสุขาภิบาล การค้าส่ง; การผลิต

ผลลัพธ์ (ไทย) 3:

3 . การออกแบบการวิจัย
3.1 . ข้อมูล
ข้อมูลสำหรับการวิจัยที่รวบรวมจากทอมสัน หนึ่งธนาคารฐานข้อมูล สำหรับเรา เรารวมทุกบริษัท จดทะเบียนใน NYSE และแนสแด็ก
สำหรับแปดปี จากปี 2548 ถึงปี 2012 ; นั่นคือ สี่ปีก่อน และสี่ปีหลังจาก
XBRL ใช้อาณัติ transpired ในสหรัฐอเมริกา ( ดูรูปที่ 1 ) ก.ล.ต. ดำเนินการขั้นตอน " ใน " วิธีการ ( ศรีวัสทวา Kogan
และ ,2010 ) และบังคับให้จดทะเบียนต่อสาธารณชน บริษัท สหรัฐยื่นงบการเงินของพวกเขาในรูปแบบ XBRL ตามมูลค่าตลาดของพวกเขา
( เช่นข้างต้น USD5 ล้านบาทจาก 15 มิถุนายน 2552 ระหว่างของไทยล้าน USD5 ล้านบาทจาก 15 มิถุนายน
2010 , และที่เหลือ บริษัท ตั้งแต่วันที่ 15 มิถุนายน 2554 ) ( วินาที , 2009 ) ดังนั้นสำหรับ บริษัท เรา ปี 2548 – 2551 ระยะเวลาตามที่
แทน2009 – 2012 ก่อน XBRL และระยะเวลาเป็นโพสต์ XBRL . หลังจากเอา users4 XBRL ความสมัครใจก่อนปี 2009 และ บริษัท ของเราเราหายไป
ข้อมูลชุดข้อมูลประกอบด้วย บริษัท 17010 ปีสังเกต .
ญี่ปุ่นข้อมูล ประกอบด้วยบริษัททั้งหมดที่จดทะเบียนใน TSE สำหรับ 2004 – 2011 ระยะเวลา เพราะว่า FSA ในญี่ปุ่นที่
ทั้งหมดต่อสาธารณะ บริษัท จดทะเบียนจะต้องยื่นงบการเงินของพวกเขาในรูปแบบ XBRL จากเดือนเมษายน 2008 ( ไป๋ et al . , 2013 ; FSA , 2008 ; โคบายาชิ
2008 ) เราพิจารณาก่อน และระยะเวลา 4 ปี XBRL XBRL โพสต์เป็น 2004 – 2550 และ 2551 – 2554 ตามลำดับ ( ดูรูปที่ 1 ) หลังจาก
การกำจัดข้อมูลหายไป ตัวแปร ญี่ปุ่นข้อมูล ประกอบด้วย บริษัท 7067 ปีสังเกต .
2 . การพัฒนาแบบจำลองตัวแบบการถดถอยที่ใช้เพื่อตรวจสอบผลของ XBRL ในค่าธรรมเนียมการตรวจสอบ ( h1a ) และการดูแลผลของ XBRL และบริษัท
ขนาดค่าธรรมเนียมการตรวจสอบในสหรัฐอเมริกาและญี่ปุ่น ( h1b ) เป็นผู้แทน ดังนี้
auditfees = αบีตา 1xbrli บีตา 2firmsizei บีตา 3xbrli × firmsizei บีตา 4deratio EPS ขาย tobinsq
ใหญ่ forasset F
ฉัน ฉัน ฉัน ฉัน ฉัน ฉัน




บีตาบีตาบีตาบีตาบีตาบีตา

8 4 5 6 7 9 10 Δ

Δorsubi rtaratioi itaratioi อุตสาหกรรม
J
J yeari K ผม

= Σบีตา 11 12 γบีตาη
1
8
k
ผม
= Σ

1


ε 11 แบบ ( 1 )
เพื่อศึกษาความแตกต่างในการใช้ XBRL และ บริษัท ขนาดระหว่างสหรัฐฯ และญี่ปุ่น H2 ) เราใช้ขยาย
แบบ ( ดูรูปแบบ 2 ) เพื่อประเมินความสำคัญของความแตกต่าง ( t-test ) คู่ประมาณค่าสัมประสิทธิ์รายงาน
ในสหรัฐฯ และญี่ปุ่น ชุด 3 ข้อมูล – บีตา ( USA ) และบีตา ( ญี่ปุ่น ) ดังนี้ :
t

-
usa-japan FUSA ความแตกต่าง XBRL ขนาด XBRL บริษัท
( )
=
บีตาบีตา 2 , 1 , 3 ∗บีตากระทำ deratio EPS ขาย tobinsq ใหญ่ forasse

, , , ,
, ,

บีตาบีตาบีตาบีตาบีตาบีตา
4 5 6 7 8 9
4
( ΔΔ
t forsub rtaratio itaratio

ผม XBRL เฟอร์ T , , ,

, ,

บีตาบีตาบีตาบีตาบีตา 10 11 12
1
2 )
F ญี่ปุ่น msize XBRL ขนาด deratio tobins EPS ขาย

บีตาบีตาบีตาบีตา , , , ,บีตา

3 4 5 6
7
( ∗ΔΔ
Q ใหญ่ forasset forsub rtaratio itaratio ฉัน T , , , , , , บีตา 8 4 9 10 11 บีตาบีตาบีตาบีตา 12 )

⎨⎧⎪⎪
⎩⎪⎪

3 ต้นแบบ ( 2 ) หลักฐานที่สนับสนุนเหตุผลของอาร์กิวเมนต์นี้ . ตัวอย่างเช่น ก่อนที่ลูกค้าที่ใช้ในสหรัฐอเมริกา และการเปิดเผยข้อมูลการทุจริตบัญชีไม่เหมาะสม
constituted มากกว่าร้อยละ 25 ของ ก.ล.ต. กระทำกฎหมายแพ่งตัวเลขนี้ลดลงถึงร้อยละ 11 ในปี 2012 หลังจากที่ลูกค้าใช้ก่อน 6
( อีเกิลเชิ่ม 2013 )
4 ก่อน XBRL อาณัติเอาผลในสหรัฐฯ ก.ล.ต. ยอมรับยื่น XBRL โดยสมัครใจ หมายเลขของ filers บริษัทสมัครใจยื่นงบ
SEC XBRL ในรูปแบบ ( ดู premuroso และ bhattacharya , 2008 ) filers เหล่านี้ได้ถูกลบออกจากเราชุดข้อมูล .
y.g. ฉาน et al ./ วารสารปัจจุบัน&การบัญชีเศรษฐศาสตร์ 11 ( 2015 ) 89 – 103 93
3.3 . ตัวแปรตัวแปรของเรา
แทนด้วยธรรมเนียมการสอบบัญชี ( auditfees ) ซึ่งมีการใช้กันอย่างแพร่หลายในการวิจัยก่อน เป็น ตัวแทนของ บริษัท ค่าใช้จ่ายการตรวจสอบ
( เห็นเช่นโห่และ Sharma , 2008 ; ผู้อาวุโส et al . , 2009 ; เฟลชเชอร์ และ goettsche , 2012 ; leventis et al . ,
2011 ; o'sullivan 2000 ; เมื่อ et al . , 2011 )สอดคล้องกับงานวิจัยก่อนหน้านี้ เราวัด auditfees เป็นลอการิทึมธรรมชาติ
รวมการตรวจสอบค่าในสิ้นปีงบประมาณ เราทราบว่าค่าธรรมเนียมการตรวจสอบอย่างต่อเนื่องเปิดเผยโดยญี่ปุ่นและอเมริกา
สาธารณะ บริษัท จดทะเบียนในงบการเงินประจำปี
3.4 . ตัวแปรอิสระ
XBRL และ บริษัท ขนาด ( ขนาด ) หมายถึงตัวแปรที่น่าสนใจในการศึกษาต่อไปนี้ premuroso และ
bhattacharya ( 2008 ) , XBRL เป็นวัดเป็นหุ่นแปรรหัสเป็น 1 ถ้าบริษัทเป็น XBRL filer และ 0 เป็นอย่างอื่น นี้
นะครับ ได้ดําเนินการสอดคล้องกับการแบ่งในแนวทางที่ได้รับการรับรองโดยคณะกรรมการในสหรัฐอเมริกา สอดคล้องกับ
วิจัยในบัญชีและตรวจสอบวรรณกรรม ( เห็นเช่น Abbott et al . , 2007 ; กุล et al . , 2007 ; ลาย , 2009 ;
premuroso และbhattacharya , 2008 ) , การวัดขนาดเป็นลอการิทึมธรรมชาติของสินทรัพย์รวม ณ สิ้นปีงบประมาณ .
3.5 . ตัวแปรควบคุม
เรากำหนดตัวแปรควบคุมของเรา ดังนี้ และอัตราส่วนหนี้สินต่อส่วนของผู้ถือหุ้น ( deratio ) เป็นวัดที่อัตราส่วนหนี้สินในระยะยาว
ทุนทั้งหมด ( เช่น seetharaman et al . , 2002 ) ; การเปลี่ยนแปลงของกำไรต่อหุ้น ( EPS Δ ) จะคำนวณเป็นความแตกต่างระหว่าง
เวกเตอร์ EPS ปีและในปีที่ ที – 1 ( เช่น เฉิน และ จาง , 2010 ) ; การเปลี่ยนแปลงของยอดขายรวม ( ขายΔ ) คำนวณเป็นความแตกต่างระหว่างการขายปี T
T ) และขายที่ปี 1 หารด้วยยอดขายใน 1 ปีที– ( เช่น houqe et al . , 2012 ) ; เขาเป็น Q ( tobinsq ) หมายถึง
ประสิทธิภาพตลาดบ่งชี้ และคำนวณเป็น อัตราส่วนของมูลค่าตลาดของหุ้นและมูลค่าตามบัญชีของ
หนี้หารด้วยมูลค่าของสินทรัพย์รวม ( เช่น ฉาน ปี 2014 ) ; ตรวจสอบ 4 ใหญ่ ( บิ๊กโฟร์ ) เป็นหุ่นที่แปรรหัสเป็น 1 ถ้า
ตรวจสอบโดยผู้สอบบัญชีของบริษัทเป็น big-4 และ 0 เป็นอย่างอื่น เช่น premuroso และ bhattacharya , 2008 ) ; สินทรัพย์ต่างประเทศ ( forasset )
เป็นเปอร์เซ็นต์ ทรัพย์สินที่จัดขึ้นในต่างประเทศ เช่น casterella et al . , 2004 ; seetharaman et al . , 2002 ) ;
บริษัทต่างประเทศ ( forsub ) มีค่าเท่ากับลอการิทึมธรรมชาติของ 1 บวกจำนวนบริษัทต่างชาติ ( เช่น leventis et al . ,
; rtaratio 2011 ) คือ อัตราส่วนของหนี้รวมต่อสินทรัพย์รวม ( เช่น เดอ จอร์จ et al . , 2013 ) ; itaratio คืออัตราส่วนของผลรวม
สินค้าคงคลังสินทรัพย์รวม ( เช่น เดอ จอร์จ et al . , 2013 ) ; ปี Dummies แสดงหุ่น ตัวแปรที่สะท้อนให้เห็นถึง พ.ศ. 2548 –
2553 ในสหรัฐอเมริกาและ 2004 – 2011 ระยะเวลาในประเทศญี่ปุ่น และให้อุตสาหกรรมจะขึ้นอยู่กับสองหลักเราหมวดหมู่มาตรฐานอุตสาหกรรม
( SIC ) และเป็นตัวแทน 11 อุตสาหกรรมการเกษตร ป่าไม้ และประมง ก่อสร้าง การเงิน ประกันภัย และอสังหาริมทรัพย์
; เหมืองแร่ ; การบริหาร ; ค้าปลีก การบริการ การขนส่ง และ การสื่อสาร ไฟฟ้า ก๊าซ และสุขภัณฑ์ขายส่ง
; การค้า ;การผลิต