Summary and conclusionsWe examine t

Summary and conclusions
We examine the ability to detect discretionary accruals using several variants and extensions of theJones (1991)model
of discretionary accruals and estimation samples based on two alternative indicators of similarity: industry membership
(industry peers) and size (size peers). Our examination is motivated by the practical problem of sample attrition when
estimation samples are based on industry membership, particularly the SIC4 industry definition, and particularly for non-U.S. data.
Our main finding is that estimation samples based on similarity in size as measured by lagged total assets perform at
least as well as industry membership-based estimation samples, and often better, in detecting both seeded discretionary
accruals and observed discretionary accruals (as proxied by the existence of a restatement or an Accounting and Auditing
Enforcement Release). The superior discretionary accruals detection power of lagged asset-based estimation samples applies
to both U.S. data and non-U.S. data. For non-U.S. samples not constrained by the availability of industry peers, lagged asset-based estimation sample detection rates are similar to the detection rates observed for samples where we can perform a
controlled comparison of detection rates for industry-based peers and lagged asset-based peers.
We provide evidence of a tradeoff between increasing explanatory power ofnormalaccruals models and increasing detection
power forabnormalor discretionary accruals. While both size-based and industry-based estimation samples produce reasonable
explanatory power in estimating normal accruals, the industry-based samples achieve higher explanatory power. This result is
corroborated by additional analyses showing industry-based samples are characterized by normal accruals with greater congruity
than are size-based samples, although neither sample selection criterion yields normal accruals that are wholly or even
substantially congruent. In contrast, size-based estimation samples, in particular, samples based on similarity in lagged total
assets, oftenyield higher detection rates for abnormal or discretionary accruals. Viewed as awhole, these results suggest the greater
detection power of the size-based estimation samples is due to the greater stability of the accruals model regression estimated
using size-based samples, as compared to using industry-based samples, and this greater stability comes at the cost of lower
explanatory power.
Defining estimation samples (peer firms) based on similarity in lagged assets instead of industry membership has
substantial practical value in estimating discretionary accruals models because application of the size-based criterion
imposes no incremental sample loss, beyond the sample losses resulting from estimating the variables in the models. For
U.S. data, this means avoiding sample attrition of anywhere from 1–3% (SIC2 definitions) to 22–30% (SIC4 definitions).
The benefits, in terms of increased sample sizes, are much greater for non-U.S. data, where using lagged assets instead of
industry membership to identify estimation samples avoids sample attrition ranging from 32% to 93% (depending on
industry definitions and weighting schemes).
33
We do not imposeα1¼α2¼α3for each firm.
F. Ecker et al. / Journal of Accounting and Economics 56 (2013) 190–211 210
We believe our finding concerning the discretionary accruals detection power of lagged asset-based estimation samples
is important both in the U.S. context and in the non-U.S. context. For both settings we show that using lagged asset-based
samples rather than industry-based samples to estimate discretionary accruals models increases sample sizes, often
substantially, and generally results in equal or better detection of discretionary accruals. The overall effect is more dramatic
for non-U.S. settings and more valuable, because in those settings, entire countries dropped in an industry-based estimation
sample design can be retained in a size-based estimation sample design

ผลลัพธ์ (ไทย) 1:

ข้อสรุปต่าง ๆเราตรวจสอบสามารถตรวจสอบการรับรู้ส่วนบุคคลที่ใช้หลายตัวแปรและส่วนขยายรุ่น theJones (1991)รับรู้ส่วนบุคคลและตัวอย่างการประเมินตามตัวชี้วัดทางเลือกสองของความคล้ายคลึงกัน: สมาชิกอุตสาหกรรม(เพื่อนอุตสาหกรรม) และขนาด (ขนาดเพื่อน) สอบของเราเป็นแรงบันดาลใจจากปัญหาจริงของผสมตัวอย่างเมื่อตัวอย่างการประเมินจะใช้ ในอุตสาหกรรม โดยเฉพาะอย่างยิ่ง SIC4 อุตสาหกรรมคำ และโดยเฉพาะอย่างยิ่งสหรัฐอเมริกาข้อมูลค้นหาหลักของเราเป็นตัวอย่างการประเมินอิงความเหมือนขนาด โดย lagged สินทรัพย์รวมทำที่อย่างน้อยรวม ทั้งตัว อย่างการประมาณการตามสมาชิกอุตสาหกรรม และมักจะดี กว่า ในการตรวจหาทั้งยานยนต์ทดแทนการรับรู้และรับรู้ส่วนบุคคลสังเกต (เป็น proxied โดยจะต้องมีการปรับปรุง หรือบัญชี และตรวจสอบรุ่นบังคับ) ใช้เครื่องตรวจจับรับรู้ส่วนบุคคลที่เหนือกว่า lagged ประเมินตามสินทรัพย์อย่างทั้งข้อมูลของสหรัฐอเมริกาและสหรัฐอเมริกาข้อมูล สำหรับสหรัฐอเมริกาอย่างไม่จำกัด โดยความพร้อมของอุตสาหกรรมเพื่อน lagged ประเมินตามสินทรัพย์อัตราการตรวจจับอย่างจะคล้ายคลึงกับอัตราการตรวจจับที่สังเกตตัวอย่างที่เราสามารถทำการควบคุมการเปรียบเทียบอัตราการตรวจจับสำหรับเพื่อนที่ใช้อุตสาหกรรมและ lagged เพื่อนใช้สินทรัพย์เรามีหลักฐานของข้อดีระหว่างรุ่น ofnormalaccruals อธิบายพลังงานที่เพิ่มขึ้น และเพิ่มการตรวจจับforabnormalor รับรู้พลังงานทดแทน ในขณะที่ตัวอย่างการประเมินขนาด และอุตสาหกรรมทั้งผลิตเหมาะสมอธิบายอำนาจประเมินการรับรู้ปกติ ตัวอย่างใช้อุตสาหกรรมบรรลุสูงอธิบาย ผลลัพธ์นี้คือยืนยันอีก โดยแสดงตัวอย่างใช้อุตสาหกรรมมีลักษณะเป็นการรับรู้ปกติกับ congruity มากกว่าการวิเคราะห์เพิ่มเติมกว่าจะตามขนาดตัวอย่าง แม้ว่าเกณฑ์การเลือกอย่างไม่รับรู้ปกติที่ทั้งหมด หรือแม้แต่ของผลผลิตมากเท่า คมชัด การประเมินตามขนาดตัวอย่าง โดยเฉพาะ ตัวอย่างตามความคล้ายคลึงใน lagged รวมสินทรัพย์ อัตราการตรวจจับสูง oftenyield สำหรับการรับรู้ผิดปกติ หรือทดแทน ดูเป็น awhole ผลลัพธ์เหล่านี้แนะนำมากขึ้นตรวจหาพลังงานตัวอย่างการประมาณการตามขนาดเนื่องจากมีความเสถียรมากขึ้นของการถดถอยแบบจำลองการรับรู้ประมาณใช้ตามขนาดตัวอย่าง เมื่อเทียบกับการใช้ตัวอย่างที่ใช้อุตสาหกรรม และความมั่นคงมากกว่านี้มาค่าล่างอธิบายพลังงานมีการกำหนดตัวอย่างการประเมิน (บริษัทเพียร์) ตามความคล้ายคลึงกันในสินทรัพย์ lagged แทนสมาชิกอุตสาหกรรมค่าจริงที่พบในการประเมินการรับรู้ส่วนบุคคลรูปแบบเนื่องจากใช้เกณฑ์ตามขนาดกำหนดสูญเสียตัวอย่างเพิ่ม นอกเหนือจากการสูญเสียตัวอย่างที่เป็นผลจากการประเมินตัวแปรในแบบจำลอง สำหรับข้อมูลสหรัฐอเมริกา ซึ่งหมายความว่า หลีกเลี่ยงอัตราการลาออกของทุกตัวอย่างจาก 1 – 3% (SIC2 นิยาม) 22 – 30% (ข้อกำหนด SIC4)ประโยชน์ ในแง่ของขนาดตัวอย่างเพิ่มขึ้น มีมากสำหรับสหรัฐอเมริกาข้อมูล ที่ใช้ lagged สินทรัพย์แทนสมาชิกอุตสาหกรรมระบุตัวอย่างการประมาณการเพื่อหลีกเลี่ยงการผสมตัวอย่างตั้งแต่ 32% ถึง 93% (ขึ้นอยู่กับข้อกำหนดของอุตสาหกรรมและแบบน้ำหนัก)33เราทำไม่ imposeα1¼α2¼α3for แต่ละบริษัทF. Ecker ร้อยเอ็ด / สมุดรายวันการบัญชีและเศรษฐศาสตร์ 56 (2013) 190 – 211 210เราเชื่อว่าเราค้นหาที่เกี่ยวข้องกับเครื่องตรวจจับรับรู้ส่วนบุคคล lagged การประเมินใช้สินทรัพย์อย่างมีความสำคัญทั้ง ในบริบทของสหรัฐอเมริกา และ ในบริบทของสหรัฐอเมริกา สำหรับการตั้งค่าทั้งสอง เราแสดงว่าใช้ lagged ใช้สินทรัพย์ตัวอย่างมากกว่าอุตสาหกรรมตามตัวอย่างเพื่อประเมินการรับรู้ทดแทนรุ่นเพิ่มตัวอย่างขนาด มักจะอย่างมาก และโดยทั่วไปผลการตรวจจับเท่ากับ หรือดีกว่าค้างทดแทน ผลรวมเป็นมากสำหรับการตั้งค่าของสหรัฐอเมริกา และมี ค่ามาก เนื่องจากในการตั้งค่าเหล่านั้น ทั้งประเทศลดลงในการประมาณตามอุตสาหกรรมสามารถเก็บตัวอย่างการออกแบบในการออกแบบตัวอย่างการประมาณการตามขนาด

ผลลัพธ์ (ไทย) 2:

สรุปและข้อสรุปที่
เราตรวจสอบความสามารถในการตรวจจับคงค้างการตัดสินใจโดยใช้สายพันธุ์และส่วนขยายของ theJones (1991) หลายรุ่น
ของรายการคงค้างการตัดสินใจและตัวอย่างการประมาณค่าขึ้นอยู่กับสองตัวชี้วัดทางเลือกของความคล้ายคลึงกัน: สมาชิกอุตสาหกรรม
(เพื่อนอุตสาหกรรม) และขนาด (เพื่อนของขนาด) การตรวจสอบของเราเป็นแรงบันดาลใจจากปัญหาที่เกิดขึ้นในทางปฏิบัติของการขัดสีตัวอย่างเมื่อ
ตัวอย่างการประมาณค่าจะขึ้นอยู่กับสมาชิกในอุตสาหกรรมโดยเฉพาะอย่างยิ่งคำนิยามของอุตสาหกรรม SIC4 และโดยเฉพาะอย่างยิ่งข้อมูลที่ไม่ใช่ของสหรัฐ.
ค้นพบหลักของเราคือว่าตัวอย่างการประมาณค่าขึ้นอยู่กับความคล้ายคลึงกันในขนาดที่วัดจาก lagged สินทรัพย์รวมดำเนินการที่
น้อยเช่นเดียวกับอุตสาหกรรมสมาชิกตามตัวอย่างการประมาณค่าและมักจะดีขึ้นในการตรวจสอบทั้งการตัดสินใจเมล็ด
คงค้างและสังเกตการตัดสินใจคงค้าง (เป็นพร็อกซีโดยการดำรงอยู่ของการปรับย้อนหลังหรือบัญชีและการสอบบัญชี
การบังคับใช้กฎหมายที่วางจำหน่าย) ดีกว่าคงค้างในดุลยพินิจอำนาจการตรวจสอบของ lagged ตัวอย่างการประมาณค่าพื้นฐานของสินทรัพย์นำไปใช้
กับทั้งสหรัฐและข้อมูลที่ไม่ใช่ของสหรัฐข้อมูล สำหรับกลุ่มตัวอย่างที่ไม่ใช่ของสหรัฐไม่ จำกัด โดยความพร้อมของคนรอบข้างอุตสาหกรรม lagged อัตราการตรวจจับตัวอย่างการประมาณค่าพื้นฐานของสินทรัพย์ที่มีความคล้ายคลึงกับอัตราดอกเบี้ยในการตรวจสอบการปฏิบัติสำหรับตัวอย่างที่เราสามารถดำเนินการ
เปรียบเทียบการควบคุมอัตราการตรวจจับสำหรับเพื่อนอุตสาหกรรม-based และ lagged asset- เพื่อนตาม.
เราให้หลักฐานของการถ่วงดุลอำนาจระหว่างที่เพิ่มขึ้นอธิบายรุ่น ofnormalaccruals พลังงานและเพิ่มการตรวจสอบ
อำนาจ forabnormalor คงค้างการตัดสินใจ ในขณะที่ขนาดที่ใช้และอุตสาหกรรมที่ใช้ทั้งตัวอย่างการประมาณค่าที่เหมาะสมผลิต
พลังงานอธิบายในการประมาณคงค้างปกติตัวอย่างอุตสาหกรรมตามบรรลุอำนาจอธิบายที่สูงขึ้น นี่คือผล
โดยยืนยันการวิเคราะห์เพิ่มเติมแสดงตัวอย่างอุตสาหกรรมที่ใช้มีลักษณะคงค้างปกติที่มีความเหมาะสมมากขึ้น
กว่าที่เป็นกลุ่มตัวอย่างขนาดตามแม้ว่าค่าเกณฑ์ในการเลือกตัวอย่างผลตอบแทนถัวเฉลี่ยเงินคงค้างตามปกติที่มีทั้งหมดหรือแม้กระทั่ง
อย่างมีนัยสำคัญสอดคล้องกัน ในทางตรงกันข้ามขนาดตามตัวอย่างการประมาณค่าโดยเฉพาะในกลุ่มตัวอย่างที่อยู่บนพื้นฐานของความคล้ายคลึงกันรวม lagged
สินทรัพย์อัตราการตรวจจับ oftenyield ที่สูงขึ้นสำหรับเงินคงค้างที่ผิดปกติหรือการตัดสินใจ มองว่าเป็น awhole ผลลัพธ์เหล่านี้ชี้ให้เห็นมากขึ้น
อำนาจการตรวจสอบของขนาดตามตัวอย่างการประมาณค่าเป็นเพราะมีความมั่นคงมากขึ้นของการถดถอยคงค้างรูปแบบการประมาณ
โดยใช้ตัวอย่างขนาดตามเมื่อเทียบกับการใช้ตัวอย่างอุตสาหกรรมพื้นฐานและเสถียรภาพมากขึ้นนี้มา ค่าใช้จ่ายของการลด
การใช้พลังงานอธิบาย.
ตัวอย่างการประมาณค่าการกำหนด ( บริษัท เพียร์) ตามความคล้ายคลึงกันในสินทรัพย์ lagged แทนสมาชิกอุตสาหกรรมที่มี
มูลค่าการปฏิบัติอย่างมีนัยสำคัญในการประมาณรุ่นคงค้างการตัดสินใจเพราะการประยุกต์ใช้เกณฑ์ขนาดตาม
ประเด็นการสูญเสียไม่มีตัวอย่างที่เพิ่มขึ้นเกินกว่า ความสูญเสียที่เกิดจากตัวอย่างการประเมินตัวแปรในรูปแบบ สำหรับ
สหรัฐฯ ข้อมูลนี้หมายถึงการหลีกเลี่ยงการขัดสีตัวอย่างใดก็ได้จาก 1-3% (คำจำกัดความ SIC2) ไป 22-30% (คำจำกัดความ SIC4).
ผลประโยชน์ในแง่ของขนาดตัวอย่างที่เพิ่มขึ้นมีมากมากขึ้นสำหรับข้อมูลที่ไม่ใช่ของสหรัฐที่ใช้ lagged สินทรัพย์แทน
สมาชิกในอุตสาหกรรมการระบุตัวอย่างการประมาณค่าหลีกเลี่ยงการขัดสีตัวอย่างตั้งแต่ 32% ถึง 93% (ขึ้นอยู่กับ
คำจำกัดความของอุตสาหกรรมและแผนการน้ำหนัก).
33
เราไม่imposeα1¼α2¼α3forแต่ละ บริษัท .
เอฟ Ecker et al, / วารสารการบัญชีและเศรษฐศาสตร์ 56 (2013) 190-211 210
เราเชื่อว่าการค้นพบของเราเกี่ยวกับการตัดสินใจอำนาจการตรวจสอบเงินคงค้างของ lagged ตัวอย่างการประมาณค่าพื้นฐานของสินทรัพย์
มีความสำคัญทั้งในบริบทของสหรัฐและในบริบทที่ไม่ใช่ของสหรัฐ สำหรับทั้งการตั้งค่าที่เราแสดงให้เห็นว่าการใช้ lagged บนพื้นฐานของสินทรัพย์
ตัวอย่างมากกว่าตัวอย่างอุตสาหกรรมที่ใช้ในการประเมินแบบจำลองการตัดสินใจคงค้างเพิ่มขนาดตัวอย่างมักจะ
มีนัยสำคัญและผลโดยทั่วไปในการตรวจสอบเท่ากันหรือดีกว่าในการตัดสินใจคงค้าง ผลกระทบโดยรวมเป็นอย่างมาก
สำหรับการตั้งค่าที่ไม่ใช่ของสหรัฐและมีคุณค่ามากขึ้นเพราะในการตั้งค่าเหล่านั้นทั้งประเทศลดลงในการประเมินอุตสาหกรรมตาม
ตัวอย่างการออกแบบที่สามารถเก็บไว้ในการออกแบบตัวอย่างการประมาณค่าขนาดตาม