بررسی رابطه بین اعتماد بیش از حد مدیریتی و محافظه کاری نامشروط در شرکت های پذیرفته شده در بورس اوراق بهادار تهران
محل انتشار: کنفرانس بین المللی مدیریت، اقتصاد و علوم انسانی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 446
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMEH01_238
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
اعتماد بیش از حد یا بیش اطمینانی، یکی از مهمترین مفاهیم مالی مدرن است که هم در تیوری های مالی و هم روان شناسی جایگاه ویژه ای دارد. بنابراین بررسی آثار اعتماد بیش از حد مدیران بر رویه های شرکت، شامل رویه های حسابداری مهم است.. پژوهش حاضر، به بررسی رابطه بین محافظه کاری نامشروط حسابداری و بیش اعتمادی مدیریت می پردازد. برای دستیابی به هدف مذکور، یک فرضیه تدوین و نمونه ای متشکل از 86 شرکت به روش حذف سیستماتیک از بین شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1388 تا 1392 انتخاب گردید. اولین معیار برای اندازه گیری محافظه کاری نا مشروط مبتنی بر اقلام تعهدی است که به پیروی از احمد دویلمان ( 2013 ) انتخاب شده است معیار دوم برای اندازه گیری محافظه کاری نامشروط ( skewness )، معیار چولگی منفی توزیع سود و جریان های نقدی است. که از تفاوت بین چولگی جریان وجه نقد و چولگی توزیع سودها بدست می آید که توسط گیولی و هاین ( 2000 ) توسعه یافته است. برای اندازه گیری اعتماد بیش از حد مدیریتی از دو سنجه مبتنی بر تصمیمات سرمایه گذاری استفاده شده است. برای آزمون فرضیه های پژوهش از روش حداقل مربعات تعمیم یافته ( EGLS ) و شیوه داده های ترکیبی استفاده گردید. نتایج حاصل از برآورد مدل های پژوهش گویای این است که بین محافظه کاری نامشروط با بیش اعتمادی مدیریتی رابطه مثبت و معناداری وجود دارد. به عبارتی، وجود ویژگی اعتماد بیش از حد در مدیران، سبب افزایش محافظه کاری نا مشروط در فرایند گزارشگری مالی می شود.
کلیدواژه ها:
نویسندگان
زهرا حسنی کلوانی
گروه حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
غلامرضا محفوظی
استادیار، گروه مدیریت، دانشگاه گیلان، رشت، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :