5.4. Matched control sampleThe matc

5.4. Matched control sample

The matched control sample approach compares changes in information asymmetry/cost of equity between firms that change their reporting frequency and firms that do not. Essentially, firms that maintain the same reporting frequency serve as controls for intertemporal changes in industry- and market-wide factors.
The details of this approach are provided as following. For each observation under investigation with a change in the reporting frequency (i.e., a treatment observation), we select one matched observation that does not change its reporting frequency, is in the same year-and-industry combination as the change observation, and is closest to the treatment observation in size. We then follow the difference-in-difference analysis approach used in Daske et al. (2008). Specifically, we obtain observations for six years (three years before and after the change) and regress measures of information asymmetry/cost of equity on indicator variables for the treatment versus control firms (Treatment) and the pre- and post- frequency change period (After), along with the relevant control variables from Tables 5 and 6 and an interaction term (TreatmentnAfter).
Our regression model is as follows:
DV i,t ¼ a0 þ a1 T reatmenti, t nAf teri,t þ a2 T reatmenti,t þ a3 Af teri,t þ a4 CV i,t 1 þ ei,t ð1Þ

where DV are the information-asymmetry (cost-of-equity) measures; Treatment is a dummy variable coded as 1 for firms that change their reporting frequency and 0 for control firms; After is a dummy variable coded as 1 for the three years after the change in the reporting frequency, i.e., (1, þ 3), and 0 for the three years before the change in the reporting frequency, i.e., ( 3, 1); CV are the control variables included in the information asymmetry regressions (see Table 5) or the cost of equity regressions (see Table 6).
We focus on the interaction between the two dummies (TreatmentnAfter) because it represents differences in the change in information asymmetry/cost of equity across treatment firms and control firms. If higher reporting frequency reduces information asymmetry and the cost of equity, we expect the interaction term to be negative and significant.
Our matched sample approach offers the following benefits. First, to the extent that the control firm and the treatment firm are in the same industry and year, and they differ little in size, a significant coefficient on the interaction term (TreatmentnAfter) cannot be attributed to size, industry-factor and year-factor. Also, this approach controls for non-time-varying firm characteristics. For example, firms listed on the NYSE typically provide more frequent interim reports than those listed on AMEX. To the extent that this firm characteristic is stable over time, our research design controls for it.

Results (Indonesian) 1:

5.4. cocok kontrol sampelKontrol cocok sampel pendekatan membandingkan perubahan dalam informasi asimetri/biaya ekuitas antara firms yang mengubah frekuensi pelaporan mereka dan firms yang tidak. Pada dasarnya, firms yang mempertahankan frekuensi pelaporan yang sama berfungsi sebagai kontrol antarwaktu perubahan dalam faktor-faktor industri dan pasar.Rincian dari pendekatan ini disediakan sebagai berikut. Untuk setiap pengamatan diselidiki dengan perubahan dalam frekuensi pelaporan (yaitu, pengobatan pengamatan), kami memilih satu pengamatan yang cocok yang tidak mengubah frekuensi pelaporan, di tahun-dan-industri kombinasi yang sama sebagai perubahan pengamatan dan terdekat dengan pengamatan pengobatan dalam ukuran. Kami kemudian mengikuti pendekatan analisis dalam perbedaan-perbedaan yang digunakan dalam Daske et al. (2008). Specifically, kita memperoleh pengamatan selama enam tahun (tiga tahun sebelum dan setelah perubahan) dan langkah-langkah kemunduran informasi asimetri/biaya ekuitas pada indikator variabel untuk pengobatan dibandingkan kontrol firms (pengobatan) dan frekuensi pra- dan pasca perubahan periode (setelah), bersama dengan variabel kontrol yang relevan dari tabel 5 dan 6 dan interaksi istilah (TreatmentnAfter).Model regresi kami adalah sebagai berikut:DV saya, t ¼ a0 þ a1 T reatmenti, t nAf teri, t þ a2 T reatmenti, t þ a3 Af teri, t þ a4 CV saya, t 1 þ ei, t ð1Þmana DV adalah langkah-langkah (biaya-dari-ekuitas) asimetri informasi; Pengobatan adalah variabel dummy dikodekan sebagai 1 untuk firms yang mengubah frekuensi pelaporan mereka dan 0 untuk firms kontrol; Setelah adalah variabel dummy dikodekan sebagai 1 selama tiga tahun setelah perubahan dalam frekuensi pelaporan, yaitu (1, þ 3), dan 0 selama tiga tahun sebelum perubahan dalam frekuensi pelaporan, yaitu (3, 1); CV adalah variabel kontrol yang termasuk dalam informasi asimetri regresi (Lihat tabel 5) atau biaya ekuitas regresi (Lihat tabel 6).Kami fokus pada interaksi antara dua boneka (TreatmentnAfter) kerana ia mewakili perbedaan dalam perubahan informasi asimetri/biaya ekuitas di perawatan firms dan firms kontrol. Jika lebih tinggi pelaporan frekuensi mengurangi asimetri informasi dan biaya ekuitas, kami mengharapkan interaksi istilah menjadi negatif dan significant.Pendekatan cocok sampel kami menawarkan benefits berikut. Pertama, sejauh yang berlandaskan kontrol dan berlandaskan pengobatan berada di industri yang sama dan tahun, dan mereka berbeda ukuran di kecil, significant coefficient pada interaksi istilah (TreatmentnAfter) tidak dikaitkan dengan ukuran, industri-faktor dan tahun-faktor. Juga, pendekatan ini mengontrol bebas-waktu bervariasi berlandaskan karakteristik. Sebagai contoh, firms yang terdaftar pada NYSE biasanya memberikan laporan interim lebih sering daripada yang tercantum pada AMEX. Sejauh yang berlandaskan karakteristik ini stabil dari waktu ke waktu, desain penelitian kami kontrol untuk itu.

Results (Indonesian) 2:

5.4. Cocok sampel kontrol

pendekatan sampel kontrol cocok membandingkan perubahan asimetri informasi / biaya ekuitas antara perusahaan-perusahaan yang mengubah mereka frekuensi pelaporan dan perusahaan-perusahaan yang tidak. Pada dasarnya, perusahaan-perusahaan yang mempertahankan frekuensi pelaporan yang sama berfungsi sebagai kontrol untuk perubahan antarwaktu faktor industri- dan pasar-lebar.
Rincian pendekatan ini disediakan sebagai berikut. Untuk setiap pengamatan diselidiki dengan perubahan frekuensi pelaporan (yaitu, pengamatan pengobatan), kita pilih satu pengamatan cocok yang tidak mengubah frekuensi pelaporan, adalah dalam kombinasi tahun dan industri sama dengan pengamatan perubahan, dan paling dekat dengan pengamatan pengobatan dalam ukuran. Kami kemudian mengikuti pendekatan analisis perbedaan-in-perbedaan yang digunakan dalam Daske et al. (2008). Secara khusus, kita memperoleh pengamatan selama enam tahun (tiga tahun sebelum dan setelah perubahan) dan mundur tindakan asimetri informasi / biaya ekuitas pada variabel indikator untuk pengobatan dibandingkan kontrol fi rms (Treatment) dan periode perubahan frekuensi sebelum dan sesudah ( setelah), bersama dengan variabel kontrol yang relevan dari Tabel 5 dan 6 dan istilah interaksi (TreatmentnAfter).
Model regresi kami adalah sebagai berikut:
DV i, t ¼ a0 þ a1 T reatmenti, t NAF teri, t þ a2 T reatmenti, t þ a3 Af teri, t þ a4 CV saya, t 1 þ ei, t ð1Þ

mana DV adalah informasi-asimetri (biaya-of-equity) langkah-langkah; Pengobatan variabel dummy dikodekan sebagai 1 untuk perusahaan-perusahaan yang mengubah frekuensi pelaporan dan 0 untuk kontrol fi rms; Setelah merupakan variabel dummy dikodekan sebagai 1 selama tiga tahun setelah perubahan frekuensi pelaporan, yaitu, (1, þ 3), dan 0 untuk tiga tahun sebelum perubahan frekuensi pelaporan, yaitu, (3, 1) ; CV adalah variabel kontrol termasuk dalam regresi asimetri informasi (lihat Tabel 5) atau biaya regresi ekuitas (lihat Tabel 6).
Kami fokus pada interaksi antara dua dummies (TreatmentnAfter) karena mewakili perbedaan dalam perubahan asimetri informasi / biaya ekuitas di seluruh pengobatan fi rms dan kontrol fi rms. Jika frekuensi pelaporan tinggi mengurangi asimetri informasi dan biaya ekuitas, kami berharap istilah interaksi negatif dan signifikan.
Pendekatan sampel cocok kami menawarkan bene ts fi berikut. Pertama, sejauh bahwa kontrol fi rm dan pengobatan fi rm berada dalam industri dan tahun yang sama, dan mereka sedikit berbeda dalam ukuran, sebuah signifikan koefisien pada istilah interaksi (TreatmentnAfter) tidak dapat dikaitkan dengan ukuran, industri-faktor dan tahun- faktor. Juga, pendekatan ini kontrol untuk karakteristik fi rm non-waktu yang berbeda-beda. Misalnya, perusahaan-perusahaan yang tercatat di NYSE biasanya memberikan laporan interim lebih sering daripada yang terdaftar di AMEX. Sejauh karakteristik fi rm ini stabil dari waktu ke waktu, kontrol desain penelitian kami untuk itu.