Muhasebe dijital yetenek talebi (accounting digital talent demand), bir şirketin muhasebe fonksiyonunda dijital beceri gerektiren çalışanlara yönelik iş ilanlarıyla ifade edilen firma düzeyindeki işgücü talebidir. Jianyu Zhao'nun çalışması, 2014–2022 dönemindeki Çin A-share şirketlerinin çevrim içi iş ilanlarını metin analiziyle inceleyerek bu talebi firma-yıl düzeyinde ölçmüş ve finansal raporlama kalitesiyle ilişkisini araştırmıştır. Nihai ana örneklem 2204 şirketten 18.075 firma-yıl gözleminden oluşmaktadır. Temel modelde daha yüksek muhasebe dijital yetenek talebi, daha düşük tahakkuk esaslı kazanç yönetimiyle ilişkilidir. Tam kontrollü regresyonda DigitalJob katsayısı −0,055'tir ve %1 düzeyinde istatistiksel olarak anlamlıdır. Ancak çalışma iş ilanlarını gerçekleşmiş işe alım veya çalışanların gerçek dijital yeteneği olarak ölçmediğinden ve gözlenmeyen ortak şoklar tamamen dışlanamadığından sonuçlar nedensellik kanıtı olarak değil, çok sayıda sağlamlık testinden geçen kalıcı bir ilişki olarak yorumlanmalıdır.

DigitalJob, şirketin belirli bir yılda yayımladığı ve dijital beceri gerektiren muhasebe iş ilanlarının sayısıdır. Araştırmacı önce muhasebe işlerini unvan ve işlev bilgilerine göre belirlemiş, ardından Python, SQL, yapay zekâ, kurumsal kaynak planlama, bilgi sistemleri, makine öğrenmesi, iş zekâsı, bulut bilişim, büyük veri, veri madenciliği, veri bilimi, doğal dil işleme ve otomasyon gibi dijital becerileri kapsayan bir sözlük kullanmıştır. Bir ilan ancak önce muhasebe pozisyonu olarak tanımlanıp ardından açıklamasında en az bir dijital beceri terimi bulunduğunda DigitalJob ölçümüne dahil edilmiştir. Rastgele seçilen 200 ilanın manuel kontrolünde sözlük tabanlı sınıflandırma 186 ilanla aynı sonuca ulaşmış ve %93 genel sınıflandırma doğruluğu raporlanmıştır.

Temel bulgu farklı araştırma tasarımlarında da aynı yönde kalmıştır. Propensity score matching, entropy balancing, araç değişken analizi, alternatif tahakkuk esaslı kazanç yönetimi ölçümleri, DigitalJob'un yüzde tabanlı alternatif tanımı, kısa ve bilgi içeriği düşük iş ilanlarının çıkarılması ve diğer muhasebe beceri taleplerinin kontrol edilmesi sonrasında DigitalJob katsayısı negatif kalmıştır. Çalışma ayrıca daha fazla dijital muhasebe yeteneği talebinin daha düşük nakit varlığı ve daha düşük yatırım verimsizliğiyle ilişkili olduğuna dair mekanizma bulguları sunmaktadır; ancak yazar bu mekanizma sonuçlarını da nedensel aracılık kanıtı olarak değil, destekleyici ve önerici kanıt olarak yorumlamaktadır.

Araştırmanın temel problemi

Bir şirket yeni muhasebe yazılımı, veri platformu veya otomasyon sistemi satın aldığında finansal raporlama kalitesinin kendiliğinden yükselmesi garanti değildir. Teknolojik sistemlerin muhasebe sürecine katkısı, bu sistemleri kullanabilecek çalışanların varlığına ve onların finansal veriyi toplama, doğrulama, analiz etme ve raporlama süreçlerine dijital araçları yerleştirebilmesine bağlıdır.

Bu nedenle araştırma, şirket düzeyindeki genel “dijital dönüşüm” ifadelerinden daha dar ve işlevsel bir soruya odaklanmaktadır: Şirketlerin doğrudan muhasebe fonksiyonu içinde talep ettiği dijital beceriler finansal raporlama kalitesiyle ilişkili midir?

Önceki çalışmalar dijitalleşmeyi çoğu zaman yıllık raporlardaki dijital teknoloji terimlerinin sayısı veya şirket düzeyindeki bilgi teknolojisi yatırımlarıyla ölçmektedir. Bu yaklaşımlar şirketin dijital dönüşümünü gösterebilir; ancak dijital kapasitenin organizasyonun hangi bölümünde oluşturulduğunu söylemez. Muhasebe iş ilanları ise şirketin tam olarak finans, muhasebe, vergi, denetim veya finansal analiz görevlerinde hangi becerileri talep ettiğini göstermeye daha yakın bir gözlem sunar.

Muhasebe dijital yetenek talebi nasıl ölçülüyor?

Muhasebe dijital yetenek talebi, bir şirketin bir yılda yayımladığı ve hem muhasebe fonksiyonuna ait olan hem de en az bir tanımlanmış dijital beceri gerektiren iş ilanlarının sayısıyla ölçülen DigitalJob değişkenidir. Ölçüm gerçekleşmiş işe alımı değil, şirketin işgücü piyasasında açıkladığı dijital muhasebe becerisi talebini temsil eder.

İş ilanları CnOpenData üzerinden elde edilmiştir. Kaynak veri; iş unvanı, iş tanımı, işlev, açık pozisyon sayısı, deneyim ve eğitim gereksinimleri gibi alanları içermektedir.

Sınıflandırma iki aşamada yapılmıştır:

1. İlanın muhasebe fonksiyonuyla ilişkili olup olmadığı iş unvanı ve işlev alanlarından belirlenmiştir.
2. Muhasebe ilanının açıklamasında dijital beceri sözlüğündeki en az bir terimin bulunup bulunmadığı kontrol edilmiştir.

Muhasebe pozisyonlarını tanımlamak için finans, muhasebe, vezne/cashier, settlement, vergi, denetim, finansal analiz ve finansal yönetim gibi kavramların Çince karşılıkları da kullanılmıştır.

Dijital beceri sözlüğü programlama ve veri tabanı araçlarından yapay zekâ uygulamalarına kadar geniş bir aralığı kapsamaktadır. Kaynağın Ek A'sında raporlanan İngilizce karşılıklar arasında Python, SQL, artificial intelligence, enterprise resource planning, information system, predictive model, machine learning, business intelligence, cloud computing, big data, SPSS, data mining, data science, data lake, data visualization, deep learning, random forest, sentiment analysis, supervised learning, text mining, semantic analysis, natural language processing ve automation bulunmaktadır.

İki aşamalı yaklaşımın amacı, yalnız dijital terim içerdiği için genel bir bilgi teknolojisi ilanını yanlışlıkla muhasebe dijital yetenek ilanı olarak saymamaktır.

Sınıflandırma gerçekten kontrol edildi mi?

Araştırmacı rastgele seçilen 200 iş ilanını manuel olarak yeniden değerlendirmiştir. Sözlük tabanlı sınıflandırma bunların 186'sında manuel değerlendirmeyle aynı sonucu vermiş ve %93 genel doğruluk oranı raporlanmıştır. Bu test DigitalJob ölçümünün hatasız olduğunu kanıtlamaz; ancak otomatik sınıflandırmanın örnek bir manuel kontrol setiyle yüksek düzeyde uyuştuğunu göstermektedir.

DigitalJob neden bir yıl gecikmeli kullanılıyor?

İş ilanı bir şirketin işgücü talebini gösterir; ancak ilan verildiği anda işe alımın gerçekleştiğini veya yeni çalışanın finansal raporlama sürecini hemen değiştirdiğini göstermez. Bu nedenle DigitalJob regresyonlarda bir yıl gecikmeli olarak kullanılmıştır.

Bu seçim aynı zamanda yorum sınırını da belirler: DigitalJob şirketin mevcut muhasebe çalışanlarının gerçek dijital yeteneğini, bordro harcamasını veya dijital teknolojinin fiilen ne kadar kullanıldığını doğrudan ölçmez.

Finansal raporlama kalitesi bu çalışmada nasıl ölçülüyor?

Finansal raporlama kalitesinin temel göstergesi, değiştirilmiş Jones modeliyle tahmin edilen isteğe bağlı tahakkukların mutlak değerinden oluşturulan DA değişkenidir. DA okunabilirlik amacıyla 100 ile çarpılmıştır; daha yüksek DA daha fazla tahakkuk esaslı kazanç yönetimini ve dolayısıyla daha düşük tahakkuk temelli finansal raporlama kalitesini ifade eder.

Tahakkuk esaslı kazanç yönetimi, muhasebe tahminleri ve raporlama tercihlerindeki yönetim takdirinin raporlanan kazançları değiştirebilmesiyle ilgilidir. Şüpheli alacak karşılıkları, amortisman süreleri veya gelirin hangi dönemde tanınacağı gibi kalemler değerlendirme ve tahmin gerektirir. Çalışmanın teorik argümanı, dijital becerilere sahip muhasebe çalışanlarının veri doğrulama, analitik izleme ve süreç standardizasyonu yoluyla bu alanlardaki hata ve manipülasyon alanını daraltabileceğidir.

Araştırmanın hipotezi

Kaynak çalışmanın H1 hipotezi, daha yüksek muhasebe dijital yetenek talebinin daha yüksek finansal raporlama kalitesiyle, yani daha düşük tahakkuk esaslı kazanç yönetimiyle ilişkili olacağı yönündedir.

İki olası açıklama kanalı

Araştırmanın teorik çerçevesi iki tamamlayıcı kanal önermektedir.

Karar verimliliği kanalı: Dijital becerilere sahip muhasebe personeli işletme ve finansal verileri daha iyi bütünleştirebilir, nakit akımlarını ve kaynak kullanımını izleyebilir, bütçeleme ve yatırım değerlendirmesini destekleyebilir. Daha iyi likidite ve yatırım planlaması, yöneticilerin zayıf ekonomik sonuçları finansal raporlama yoluyla gizleme teşvikleriyle ilişkili süreçleri azaltabilir.

Bilgi üretimi kanalı: Muhasebe çalışanları dijital araçlarla tahakkuk kalemlerini daha sistematik doğrulayabilir, veri işleme hatalarını azaltabilir ve finansal raporlama sürecini daha standart hale getirebilir. Bu yapı, anormal tahakkukların tespit edilmesini kolaylaştırabilecek daha izlenebilir bir bilgi ortamıyla ilişkilendirilmektedir.

Bu kanallar araştırmanın teorik açıklamasıdır. Çalışmanın mekanizma testleri bu yorumlarla uyumlu ilişkiler göstermektedir; ancak araştırmacı bunların kesin nedensel aracılık kanıtı olmadığını özellikle vurgulamaktadır.

Örneklem nasıl oluşturuldu?

Örneklem, 2014–2022 dönemindeki Çin A-share şirketlerini kapsamaktadır. İş ilanları CnOpenData'dan, şirket finansal bilgileri ise China Stock Market and Accounting Research (CSMAR) veri tabanından elde edilmiştir.

Aynı şirketin aynı ayda yayımladığı aynı iş türüne ait yinelenen ilanlarda yalnız ilk ilan tutulmuştur. ST ve ST* statüsündeki şirketler, finansal şirketler ve temel değişkenleri eksik gözlemler çıkarılmıştır.

DigitalJob dağılımının sağa çarpık olması önemlidir. Tipik şirket-yıl gözleminde yalnız sınırlı sayıda dijital beceri gerektiren muhasebe ilanı varken daha küçük bir şirket grubunda bu sayı belirgin biçimde yükselmektedir.

Çalışmanın Yöntemi ve Bulguları

Temel ekonometrik tasarım

Araştırmacı tahakkuk esaslı kazanç yönetimini temsil eden DA değişkenini, bir yıl gecikmeli DigitalJob ve firma düzeyindeki kontrol değişkenleri üzerinde OLS regresyonuyla tahmin etmiştir.

Kontrol değişkenleri firma büyüklüğü, Tobin's Q, aktif kârlılığı, gelir büyümesi, kaldıraç, Ar-Ge yatırımı, genel/idari gider oranı, zarar göstergesi, CEO-yönetim kurulu başkanı ikiliği, bağımsız yönetim kurulu üyesi oranı ve firma yaşını kapsamaktadır.

Firma sabit etkileri ve yıl sabit etkileri modele dahil edilmiş, standart hatalar firma düzeyinde kümelenmiştir. Sürekli değişkenler uç değerlerin etkisini azaltmak amacıyla 1. ve 99. yüzdeliklerde winsorize edilmiştir.

Ana regresyon sonucu nasıl yorumlanmalıdır?

Tam kontrollü temel modelde DigitalJob katsayısı −0,055 ve standart hata 0,016'dır; katsayı %1 düzeyinde istatistiksel olarak anlamlıdır. DA daha yüksek olduğunda tahakkuk esaslı kazanç yönetimi daha fazla olduğundan negatif katsayı, daha fazla dijital beceri talep eden muhasebe ilanının daha düşük tahakkuk esaslı kazanç yönetimiyle ilişkili olduğunu gösterir. Ancak katsayı gözlemsel bir ilişkiyi temsil eder ve tek başına dijital yetenek talebinin kazanç yönetimini nedensel olarak düşürdüğünü kanıtlamaz.

DigitalJob'un 25. yüzdelik değeri olan sıfır ilandan 75. yüzdelik değeri olan üç ilana çıkması, model katsayısı altında DA'da 0,165 puanlık daha düşük değerle ilişkilidir. Araştırmacı bunu DA örneklem ortalamasının yaklaşık %3'ü olarak raporlamaktadır.

Propensity score matching ve entropy balancing

Finansal raporlama kalitesi yüksek şirketlerin zaten farklı özelliklere sahip olabileceği ve dijital muhasebe çalışanı aramaya daha yatkın olabileceği olasılığına karşı iki ek dengeleme yaklaşımı uygulanmıştır.

Her iki tahmin de temel modelle aynı negatif yöndedir. Bu sonuçlar gözlenen firma özelliklerindeki farklılıkların temel ilişkiyi tek başına açıklamadığıyla uyumludur; ancak gözlenmeyen faktörleri ortadan kaldırmaz.

Araç değişken analizi

Ek bir endojenlik kontrolünde aynı sektördeki diğer şirketlerin muhasebe dijital yetenek ilanlarının ortalaması araç değişken olarak kullanılmıştır. Birinci aşamada araç değişkenin DigitalJob ile katsayısı 0,564 ve %1 düzeyinde anlamlıdır.

İkinci aşamada tahmin edilen DigitalJob katsayısı −0,834 ve %1 düzeyinde anlamlı bulunmuştur. Kleibergen–Paap Wald F değeri 139,58, LM istatistiği ise 118,54 olarak raporlanmıştır.

Bununla birlikte araştırmacı bu sonucu kesin nedensel tanımlama olarak yorumlamamaktadır. Aynı sektördeki dijital muhasebe yeteneği talebi; sektör çapında teknoloji yatırımı, düzenleyici değişim, denetim baskısı, rekabet veya finansal raporlama eğilimleri gibi hedef şirketin kazanç yönetimini de etkileyebilecek ortak şokları taşıyabilir. Dolayısıyla güçlü araç ilgililiği, exclusion restriction koşulunun kesin olarak sağlandığını göstermez.

Alternatif kazanç yönetimi ölçümleri

Temel sonuç yalnız değiştirilmiş Jones modelindeki DA tanımına bağlı değildir. Araştırmacı üç alternatif tahakkuk temelli ölçüm kullanmıştır.

Bütün alternatiflerde DigitalJob katsayısının negatif kalması, temel bulgunun yalnız tek bir kazanç yönetimi metriğinin yapısından kaynaklanmadığını göstermektedir.

DigitalJob yüzde olarak ölçüldüğünde sonuç değişiyor mu?

DigitalJob%, dijital beceri gerektiren muhasebe ilanlarının toplam muhasebe ilanlarına oranının yüzde olarak ifade edilmesidir. Böylece DigitalJob sayısının yalnız büyük şirketlerin veya daha fazla muhasebe çalışanı arayan şirketlerin ilan hacmini yansıtması olasılığı ayrıca sınanmıştır.

Tam kontrollü modelde DigitalJob% katsayısı −0,022 ve standart hata 0,011'dir; sonuç %5 düzeyinde anlamlıdır. Bir yüzde puanlık daha yüksek dijital muhasebe ilanı payı, DA'da 0,022 puanlık daha düşük değerle ilişkilidir.

Şirketler tahakkuk manipülasyonundan gerçek faaliyet manipülasyonuna geçiyor mu?

Araştırma, daha düşük tahakkuk esaslı kazanç yönetiminin yalnız manipülasyon yönteminin değiştirilmesi anlamına gelip gelmediğini de test etmiştir. DigitalJob ile toplam gerçek faaliyetlere dayalı kazanç yönetimi, anormal işletme nakit akışı, anormal üretim maliyeti ve anormal ihtiyari giderler arasında geleneksel anlamlılık eşiklerinde istatistiksel olarak anlamlı ilişki bulunmamıştır.

Dolayısıyla kaynak veriler, dijital muhasebe yetenek talebiyle ilişkili daha düşük tahakkuk manipülasyonunun sistematik olarak gerçek faaliyet manipülasyonuna kaydırıldığı iddiasını desteklememektedir.

Kısa ve düşük bilgi içeren iş ilanları çıkarıldığında ne oluyor?

İş tanımı 100 Çince karakterden daha kısa olan muhasebe ilanları çıkarılıp DigitalJob yeniden hesaplandığında katsayı −0,041 olarak bulunmuş ve %1 düzeyinde anlamlı kalmıştır. Bu test, temel sonucun yalnız kısa veya standart kalıp iş ilanlarının yanlış sınıflandırılmasından kaynaklanmadığıyla uyumludur.

DigitalJob yalnız genel olarak daha nitelikli çalışan talebini mi ölçüyor?

Model ayrıca muhasebe ilanlarında sosyal beceri, bilişsel beceri ve muhasebe uzmanlık alanı talebini temsil eden değişkenlerle genişletilmiştir. Bu kontroller eklendiğinde DigitalJob katsayısı −0,040 ve standart hata 0,018 olarak kalmış ve %5 düzeyinde anlamlı bulunmuştur.

Bu sonuç dijital bileşenin, genel olarak daha yüksek beceri yoğunluğunun basit bir vekili olmaktan öte ayrı açıklayıcı bilgi taşıdığıyla uyumludur.

Nakit planlaması ve yatırım verimliliği mekanizma testleri

Bu mekanizma testleri korelasyonel niteliktedir. Özellikle nakit varlığındaki veya yatırım verimsizliğindeki düşüşün DigitalJob ile finansal raporlama kalitesi arasındaki ilişkiyi nedensel olarak taşıdığı kanıtlanmamıştır.

İç kontrol kalitesi neden önemli?

İç kontrol kalitesi yüksek şirketlerde DigitalJob katsayısı −0,070 ve %1 düzeyinde anlamlıdır. İç kontrol kalitesi düşük grupta katsayı −0,008 olup istatistiksel olarak anlamlı değildir. İki katsayı arasındaki fark 0,061'dir ve %10 düzeyinde anlamlıdır.

Bu desen, dijital muhasebe becerilerinin güvenilir veri, standart prosedürler ve çalışanların ürettiği bilgiyi kullanabilen bir kontrol ortamıyla birlikte daha güçlü bir ilişki gösterebildiği yorumuyla uyumludur.

Genel şirket dijitalleşmesi sonucu açıklıyor mu?

Şirketler yıllık rapor metinlerinden ölçülen genel dijitalleşme düzeyine göre iki gruba ayrıldığında DigitalJob katsayısı hem yüksek dijitalleşme grubunda hem düşük dijitalleşme grubunda negatiftir: sırasıyla −0,067 ve −0,052.

Dolayısıyla muhasebe fonksiyonuna özgü dijital beceri talebi yalnız zaten yoğun biçimde dijitalleşmiş şirketlerde görülen bir olgu değildir. Ancak yüksek ve düşük dijitalleşme grupları arasındaki katsayı farkının geleneksel anlamlılık düzeylerinde güçlü bir farklılık gösterdiğine dair kanıt sınırlıdır.

Dış denetim izlemesiyle ilişki nasıl değişiyor?

Dış denetim izlemesinin güçlü kabul edildiği şirketlerde DigitalJob katsayısı −0,072 ve %1 düzeyinde anlamlıdır. Daha zayıf dış denetim grubunda katsayı −0,025'tir ve istatistiksel olarak anlamlı değildir. İki katsayı arasındaki 0,047'lik fark %5 düzeyinde anlamlıdır.

Kaynak çalışma bunu dijital muhasebe yeteneği talebi ile dış denetimin tamamlayıcı olabileceği yönünde bir bulgu olarak tartışmaktadır. Daha güçlü denetim hem raporlama tercihlerini disipline edebilir hem de şirket içinde üretilen daha kaliteli muhasebe bilgisinin kullanılmasını kolaylaştırabilir.

Çalışmanın desteklediği sonuçlar

• Muhasebe iş ilanlarında daha yüksek dijital beceri talebi, daha düşük tahakkuk esaslı kazanç yönetimiyle istatistiksel olarak ilişkilidir.
• Bu negatif ilişki birden fazla alternatif model ve ölçüm altında korunmaktadır.
• İlişki genel şirket dijitalleşmesinin ötesinde muhasebe fonksiyonuna özgü bilgi taşımaktadır.
• Daha güçlü iç kontrol ve daha güçlü dış denetim ortamlarında ilişki daha belirgindir.
• Nakit varlığı ve yatırım verimsizliği analizleri, daha iyi planlama ve kaynak tahsisi mekanizmalarıyla uyumlu önerici bulgular sağlamaktadır.

Çalışmanın desteklemediği sonuçlar

• İş ilanı sayısı gerçek işe alınan çalışan sayısı değildir.
• DigitalJob mevcut muhasebe çalışanlarının gerçek dijital beceri düzeyini doğrudan ölçmez.
• Çalışma dijital yetenek talebinin kazanç yönetimini kesin olarak nedensel biçimde azalttığını kanıtlamaz.
• Araç değişken testi exclusion restriction koşulunu kesin olarak doğrulamaz.
• Çin A-share şirketlerinden elde edilen sonuçlar doğrulama yapılmadan bütün ülkelere ve işletme yapılarına genellenmemelidir.
• Çalışma doğrudan belirli bir yazılımın, yapay zekâ sisteminin veya otomasyon aracının finansal raporlama kalitesini artırdığını test etmemektedir.

Temel sınırlılıklar

DigitalJob gerçekleşmiş işe alımı değil ifade edilmiş işgücü talebini ölçmektedir. Kaynak veriler her bir ilandan kaç kişinin gerçekten işe alındığını, muhasebe bölümünün toplam çalışan sayısını, çalışanların gerçek beceri seviyesini, ücret/bordro yatırımını veya işe alınan çalışanların dijital araçları fiilen nasıl kullandığını göstermemektedir.

Gözlenmeyen şirket veya sektör şokları hem dijital muhasebe yeteneği talebini hem finansal raporlama tercihlerini aynı anda etkileyebilir. Sabit etkiler, dengeleme yöntemleri ve araç değişken tasarımı bu sorunu azaltmayı amaçlasa da tamamen ortadan kaldırdığı gösterilmemiştir.

Gelecek araştırmaların gerçekleşmiş istihdam verilerini, normalize edilmiş dijital muhasebe işe alım oranlarını ve yerel dijital yetenek arzı şoklarını kullanması önerilmektedir.

Kaynak ve Yöntem Notu

Özgün başlık: Accounting Digital Talent Demand and Financial Reporting Quality: Evidence from Job Posting

Yazar: Jianyu Zhao.

Kurum: School of Accountancy, Central University of Finance and Economics, Beijing 100081, China.

Dergi: Accounting and Auditing.

Yayınevi: MDPI, Basel, Switzerland.

Bibliyografik kayıt: Accounting and Auditing, 2026, Volume 2, Issue 3, Article 14.

DOI: 10.3390/accountaudit2030014

Yayın tarihi: 4 Ağustos 2026.

Editoryal tarihler: Received 20 May 2026; Revised 14 July 2026; Accepted 31 July 2026.

Kaynak türü: Hakemli ampirik araştırma makalesi.

Lisans: Creative Commons Attribution (CC BY). Verianla metni kaynak makalenin doğrudan çevirisi değildir; kaynakta raporlanan bilimsel yöntem, veri ve sonuçlar bağımsız Türkçe bilimsel anlatımla açıklanmıştır.

Veri kaynakları: Çevrim içi iş ilanları CnOpenData üzerinden elde edilmiştir; şirket düzeyindeki finansal ve muhasebe verileri China Stock Market and Accounting Research (CSMAR) veri tabanından alınmıştır.

Örneklem: 2014–2022 döneminde 2204 Çin A-share şirketinden 18.075 firma-yıl gözlemi.

Ana açıklayıcı değişken: DigitalJob; dijital beceri gerektiren muhasebe iş ilanlarının yıllık şirket düzeyindeki sayısıdır ve ana regresyonda bir yıl gecikmeli kullanılmıştır.

Ana bağımlı değişken: DA; değiştirilmiş Jones modeli kullanılarak tahmin edilen mutlak isteğe bağlı tahakkukların 100 ile çarpılmış değeridir. Daha yüksek DA daha fazla tahakkuk esaslı kazanç yönetimi anlamına gelir.

Temel yöntem: Firma ve yıl sabit etkileri içeren OLS panel regresyonları; firma düzeyinde kümelenmiş standart hatalar. Sürekli değişkenler 1. ve 99. yüzdeliklerde winsorize edilmiştir.

Sağlamlık ve endojenlik analizleri: Propensity score matching, entropy balancing, sektör içi diğer firmaların dijital muhasebe yeteneği talebine dayalı araç değişken yaklaşımı, alternatif tahakkuk esaslı kazanç yönetimi göstergeleri, yüzde tabanlı DigitalJob ölçümü, gerçek faaliyetlere dayalı kazanç yönetimi testleri, düşük bilgi içeriğine sahip ilanların çıkarılması ve sosyal/bilişsel/profesyonel beceri taleplerinin kontrolü.

Finansman: National Natural Science Foundation of China, grant number 72102246.

Institutional Review Board: Uygulanabilir değil.

Bilgilendirilmiş onam: Uygulanabilir değil.

Veri erişilebilirliği: CnOpenData iş ilanı verilerine erişim kısıtlıdır ve CnOpenData izni gerektirir.

Çıkar çatışması: Yazar çıkar çatışması olmadığını beyan etmiştir.

Yazar katkısı: Çalışma tek yazarlıdır. Kaynak PDF'de ayrı bir CRediT yazar katkısı bölümü raporlanmamaktadır.

Temel yorum sınırı: Bulgular, muhasebe dijital yetenek talebi ile daha düşük tahakkuk esaslı kazanç yönetimi arasında sağlam bir istatistiksel ilişki göstermektedir; ancak iş ilanları gerçekleşmiş işe alımı ölçmediği ve gözlenmeyen şoklar tamamen dışlanamadığı için sonuçlar kesin nedensel etki olarak yorumlanmamalıdır.