تبیین رابطه هوش هیجانی با انواع شیوه های مدیریت سود با تاکید برخود شیفتگی مدیران
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
هدف از پژوهش حاضر، تبیین رابطه بین هوش هیجانی و مدیریت سود با در نظر گرفتن عامل خود شیفتگی مدیران است. روش پژوهش از نظر هدف کاربردی و از بعد روش توصیفی همبستگی است. هوش هیجانی به عنوان متغیر مستقل و مدیریت سود (تعهدی، واقعی و سناریو) به عنوان متغیر وابسته می باشد. همچنین خودشیفتگی به عنوان متغیر تعدیل گر در نظر گرفته شده است. جامعه آماری شامل حداقل یکی از اعضای هیات مدیره یا مدیر مالی شرکت های عضو بورس اوراق بهادار تهران در سال 1396 و شامل 112 شرکت می باشد. برای سنجش مدیریت سود تعهدی از مدل تعدیل شده جونز، مدیریت سود واقعی از مدل سه بخشی روی چاوداری (2006) و برای سنجش مدیریت سود سناریو از پرسشنامه برگرفته از پژوهش کلیکمن و هنینگ (2000) استفاده گردید. ابزار مورد استفاده برای هوش هیجانی پرسشنامه 33 سوالی شرینگ بوده است. همچنین برای سنجش خودشیفتگی از دو روش (سنجش پهنای صورت و پرسشنامه استاندارد خود شیفتگی NPL 16) استفاده گردید. برای تحلیل نتایج از مدل ساختاری با نرم افزار کوواریانس محور Smart PlS استفاده شد. نتایج نشان داد که رابطه بین هوش هیجانی با مدیریت سود (واقعی و تعهدی) با در نظر گرفتن عامل خودشیفتگی دارای ضریب معناداری است، اما این رابطه با مدیریت سود مبتنی بر سناریو معنادار نبوده است. با توجه به نتایج استخراج شده این گونه برآورد می شود هوش هیجانی به عنوان یک عامل تاثیر گذار بر مدیریت سود است به شرطی که عامل خودشیفتگی از ویژگی های مدیر نباشد.
کلیدواژگان:
مدیریت سود (تعهدی ، واقعی ، سناریو) ، هوش هیجانی ، خودشیفتگی
زبان:
فارسی
صفحات:
273 تا 284
لینک کوتاه:
https://www.magiran.com/p2071341
مقالات دیگری از این نویسنده (گان)
-
ارائه الگوی نقش میانجی هوش معنوی بر رابطه بین خودشیفتگی حسابرسان داخلی با گرایش آن ها به گزارش خطاکاری
ابوذر دادگر، محمدحامد خان محمدی*، اسماعیل مولائی، جواد بابایی، طاهره محمودیان دستنایی
نشریه دانش حسابداری و حسابرسی مدیریت، بهار 1405 -
Presenting the Management Accounting Model in the Digital Era with a Data-Oriented Approach in Vensim System
Abdolkarim Gholami, Mohamadhamed Khanmohamadi *, Hamidreza Vakilifard, Mohamadhosein Ranjbar
International Journal of Knowledge Processing Studies, Autumn 2024