خرید مقاله ترجمه شده حسابداری

در این راستا، شرکت های چند ملیتی فعال در هر یک از کشورهای نمونه، در صورتی که فقط یک گزارش شرکتی در سطح جهانی داشتند (به ثبت رسیده) حذف شدند، که این گزارشها شامل ریزش اطلاعاتی در سطح کشور نبود. وظیفه جمع آوری داده ها تنها بر گزارش های مستقل متمرکز بود و دیگر منابع ارتباطی شرکت و یا اطلاعات آنلاین موجود در وب سایت های شرکتی را حذف نمودند. فقط در مواردی که لینک به صفحات وب خاص یا سایر اطلاعات عمومی ارزیابی شده در مورد سازمان قابل دسترس بودند، بعدها وارد داده ها می شدند. این نیز به182 گزارش شرکت های تاسیس شده در مناطق متنوع (کشورهای دارای تنوع زیستی فراوان) منجر شد و براساس فعالیت کسب و کار و کشورها در جدول 3-1 توزیع گردید.

برای ارزیابی جامع بودن اطلاعات افشاء شده، شاخص مرکب همسو با طرح رتبه بندی کاربردی در آثار قبلی طراحی شد (برای مثال اسکولودیس و همکارانش 2013، اونگلینوس و همکارانش 2016، هالکوس و اسکولودیس 2016). این معیار ارزیابی از شرایط افشای دستورالعمل گزارش جهانی (GRI) G4 و با مراجعه به معیارهای ارزیابی مدیریت و حفاظت از تنوع زیستی، استخراج شده است. این شاخص های تنوع زیستی GRI که در مقیاس 5 نقطه ای رتبه بندی شده اند، در جدول 4 مشخص شده است، در حالی که منطق توصیف کننده طرح نمره دهی کاربردی در جدول 5 ارائه شده است. براساس معیارها- شاخص های تعریف شده، شاخص افشاء تنوع زیستی مرکب (BDI) به شرح زیر است:

با توجه به آثار مربوط به افشای تنوع زیستی، ارتباط بالقوه بین BI ها و متغیرهای توصیفی اندازه، کشور مبدا و وابستگی صنعتی را (جداول 3-1) از طریق برازش مدل های رگرسیون گاوسی و پواسون و به دنبال پارادایم بیزی بررسی می کنیم. از جمله مزایای روش های بیزی این است که آنها به انعطاف پذیری مدل اجازه داده و صرف نظر از اندازه نمونه، استنباط هر نمونه دقیق است ( همچون برناردو 2003). با توجه به ماهیت داده های جمع آوری شده، مدل هایی را انتخاب کردیم که از درجه بندی BI ها برای پیگیری توزیع های مناسب داده های شمارشی گسسته، همچون لوجیت ترتیبی (OL) و پواسون استفاده می کنند. از طریق مدل رگرسیون پواسون، داده های متغیر وابسته، نتیجه متغیر تصادفی پوآسون می باشند و پارامتر میانگین- لگاریتم، تابع خطی بردار متغیرکمکی مستقل است. از این جهت، توزیع نمونه گیری پیوسته برای مدل سازی متغیرهای شاخص تنوع زیستی، به خاطر مسائل ناشی از بکارگیری توزیع نمونه گیری پیوسته برای مجموعه داده هایی که شامل مشاهدات نقطه ای هستند، استفاده نمی شود ( یعنی DMA_Bio، EN11، EN12، EN13 و EN14) (فرناندز و استیل 1998). مدل سازی خطی برای پاسخ های غیر نرمال (همچون داده های جمع آوری شده برای تجزیه و تحلیل جاری) مناسب نیست، زیرا بر پیش فرض های مربوط به توزیع گاوسی متکی است. متغیرهای پاسخ ما به یکی از BI ها اشاره دارند. به خاطر شباهت توابع احتمالی بین فرض توزیع چندجمله ای و توزیع پواسون، که با استفاده از مدل رگرسیون چندجمله ای، با مدل ما برازش داشت، انتظار می رفت که برآورد پارامتری مشابه با مدل رگرسیون لجستیک پاسخ- پوآسون به دست آید.

بعلاوه داده های مورد استفاده در تجزیه و تحلیل ساختار هیئت نشان می دهند، نتایج حاصل از نهادهای گزارشی مختلف را می توان تحت محدوده خاص کشور پردازش کرد. تجزیه و تحلیل داده های هیئت نیازمند توجه به ساختار ویژه هیئت برای مشاهدات جمع آوری شده در هر کشور می باشد. برای بررسی اثرات بالقوه این روابط، سعی در مدلسازی داده ها با توجه به ساختار داده های هئیت کردیم. با این حال، برازش مدل پواسون در چارچوب داده های پانل، به نیکویی برازش بهبودیافته یا برآورد پارامتری منجر نشد و نتایج مدل های رگرسیون غیر سلسله مراتبی پواسون در اینجا موجود می باشد.

 همراه با برازش مدلهای رگرسیون پوآسون برای BI ها، اثرات متغیرهای توضیحی بر متغیر تجمیعی را بررسی می کنیم که شامل مجموع نمرات تمام BI ها می باشد. برای تجمیع شاخص افشاء تنوع زیستی، توزیع گاوسی برای ارتباط دومی با متغیرهای مستقل اندازه، کشور مبدا و بخش کسب و کار مورد استفاده قرار گرفته است.

بویژه، yij پاسخ شرکت iام از متغیر وابسته ی  jام را نشان می دهد   و X^T ماتریس (182*17) را نشان می دهد که شامل مقادیر متغیرهای مستقل می باشد و همچنین شامل گروه هایی از عوامل گسسته [کشور] ، [اندازه] و [بخش]، بعلاوه ستون ثابت 1’s برای عرض از مبداء می باشد.

جدول 4. شاخص های تشکیل دهنده شاخص BDI مرکب

شاخص GRI-G4

توصیف

Dma-bio     EN11                               EN12                               EN13           EN14

توصیف استراتژی/ روش مدیریت سازمان برای دستیابی به سیاست خود در مدیریت تنوع زیستی.  افشای ادغام ملاحظات تنوع زیستی در ابزارهای تحلیلی اعمال شده توسط سازمان، همچون ارزیابی تأثیرات محیط زیستی سایت های عملیاتی تحت مالکیت، اجاره، مدیریت و یا مجاور مناطق حفاظت شده و مناطق دارای ارزش تنوع زیستی بالا در خارج از مناطق حفاظت شده گزارش اطلاعات زیر برای هر سایت عملیاتی، تحت مالکیت، اجاره، مدیریت یا در مجاورت مناطق حفاظت شده یا مناطق دارای ارزش تنوع زیستی بالا در خارج از مناطق محافظت شده: * موقعیت جغرافیایی * زمین های زیرزمینی که ممکن است تحت مالکیت، اجاره یا مدیریت سازمان باشد * موقعیت مرتبط با منطقه حفاظت شده (در منطقه، مجاور یا شامل بخش هایی از منطقه حفاظت شده) یا بالا * منطقه ای با ارزش تنوع زیستی در خارج از مناطق حافظت شده * نوع عملیات (اداری، تولیدی یا استخراجی) * اندازه سایت عملیاتی برحسب کیلومتر * ارزش تنوع زیستی مشخص شده توسط a. ویژگی منطقه حفاظت شده یا منطقه ای باارزش تنوع زیستی بالا در خارج از منطقه حفاظت شده (اکوسیستم اقیانوس، آب شیرین و یا دریا) و یا b. فهرست وضعیت حفاظت شده (همچون رده های مدیریت منطقه حفاظت شدهIUCN، کنوانسیون رامسر، مقررات ملی)  توصیف تأثیرات قابل توجه فعالیت ها، محصولات و خدمات بر تنوع زیستی در مناطق حفاظت شده و مناطق دارای ارزش تنوع زیستی بالا در خارج از مناطق حفاظت شده گزارش ماهیت اثرات مستقیم و غیرمستقیم قابل توجه بر تنوع زیستی با مراجعه به یکی از موارد زیر یا بیشتر موارد: * ساخت و یا استفاده از کارخانه های تولیدی، معادن و زیرساخت های حمل و نقل * آلودگی (معرفی موادی که به طور طبیعی در زیستگاه منابع نقطه ای و غیر نقطه ای رخ نمی دهد) * معرفی گونه های مهاجم، آفات و پاتوژن ها * کاهش گونه ها * تبدیل زیستگاه * تغییرات در فرآیندهای زیست محیطی خارج از محدوده طبیعی تنوع (مانند شوری یا تغییرات در سطح آب های زیرزمینی) گزارش اثرات مثبت و منفی مستقیم و غیرمستقیم با اشاره به موارد زیر: * گونه های آسیب دیده * محدوده مناطق تاثیرپذیر * مدت اثر * برگشت پذیری یا غیر قابل برگشت بودن اثرات محیط زیست حفاظت شده یا بازسازی شده گزارش اندازه و مکان تمام حوزه های حفاظت شده زیستگاه یا مناطق بازسازی شده و اینکه آیا موفقیت اقدامات بازسازی مورد تایید متخصصین خارجی مستقل می باشد یا نه گزارش اینکه برای حفاظت و یا بازسازی مناطق زیستگاه مجزا از محل هایی که سازمان نظارت کرده است و اقدامات بازسازی و یا حفاظت را انجام داده است یا نه، آیا مشارکت با اشخاص ثالث وجود دارد یا نه گزارش وضعیت هر منطقه بر اساس شرایط آن در پایان دوره گزارش  گزارش استانداردها، روش ها و مفروضات بکار رفته تعداد کل گونه های فهرست قرمز IUCN و گونه های حفاظت شده ملی با زیستگاه های مناطق تحت تاثیر عملیات، بر اساس سطح خطر انقراض  گزارش تعداد کل گونه های فهرست قرمز IUCN و گونه های ملی حفاظت شده با زیستگاه های مناطق تحت تاثیر عملیات سازمان، با سطح خطر انقراض، یعنی گونه های در معرض خطر بحرانی، آسیب پذیر، مورد تهدید

 

بویژه برای ارزیابی اثرات [کشور] بر وابستگان، "هند" به عنوان طبقه مرجع تعیین شده است. "شرکت های بزرگ" رده مرجع برای متغیرهای [اندازه] هستند، در حالیکه برای ارزیابی اثرات صنعتی، بخش "مواد" به عنوان مرجع تعیین شده است.

با توجه به بالا، بدنبال پارادایم بیزی (چیب، 2008)،از مدل رگرسیون داده ای پواسون از فرم زیر استفاده می شود:  

که در آن   پارامتر توزیع پواسون را نشان می دهد و    برداری است که شامل عرض از مبداء  و ضرایب رگرسیون دسته های مختلف پیش بینی کننده ها به استثناء مقادیر مرجع  می باشد.

جدول 5. طرح تعیین رتبه بندی

نمره

شرایط/ مشخصات رتبه بندی

0   1   2     3     4

این گزارش حاوی هیچ اطلاعاتی در زمینه موضوع / شاخص GRI ویژه نمی باشد. هیچ پوششی ندارد این گزارش اظهارات عمومی یا مختصر را بدون اطلاعات خاص درباره رویکرد سازمان ها در زمینه موضوع / شاخص ارائه می دهد این گزارش شامل اطلاعات ارزشمنی در مورد موضوع / شاخص می باشد. اما هنوز شکاف بزرگی در پوشش آن وجود دارد. سازمان مسأله ارزیابی شده را شناسایی می کند، اما قادر به ارائه آن به اندازه کافی نیست. اطلاعات ارائه شده کافی و واضح است. بدیهی است که سازمان گزارش کننده، سیستم ها و فرآیندهای لازم را برای جمع آوری داده ها در زمینه موضوع / شاخص ارزیابی شده توسعه داده و برای ارائه آن به روش سازگار تلاش می کند پوشش مسائل خاص را می توان به عنوان کامل ترین گزارش مشخص کرد. این خطی مشی،ا روش ها / برنامه های سازمانی و نتایج نظارت مربوطه را برای پرداختن به این مسئله فراهم می کند. این سازمان الزامات ویژه GRI OH S را تامین می کند و به مقایسه با سازمان های دیگر اجازه می دهد

باتوجه به مهمترین روش انتخاب متغیرهای کمکی معنی دار از نظر آماری، رویکرد پیشین- جی برای انتخاب متغیر با استفاده از متداولترین خانواده توزیع های قبلی برای انتخاب متغیر بیزی استفاده می شود (زلنر 1986، زلنر و سیوو 1980). این رویکرد در موارد مختلف و مجموعه داده ها بسیار خوب عمل می کند (مالسیوس و همکارانش 2017، لی و استیل 2012)

چارچوب گزینش متغیرهای بیزی شامل معرفی یک بردار از شاخص های باینری،   است که به عنوان احتمال ورود هر یک از متغیرهای کمکی در مدل عمل می کند ( یعنی اگر ضریب  کوچک یا بزرگ باشد،  مقدار0 یا 1 خواهد بود). به طور مثال، برای متغیر کمکی jام  X_j، اگر باشد،  X_j جهت ورود به مجموعه متغیرهای پیش بینی پیشنهاد می شود، درحالیکه اگر باشد،  X_jحذف می شود. روش مونته کارلو زنجیره مارکف (MCMC) را می توان برای ارزیابی توزیع خلفی γ استفاده کرد. با توجه به مشخصه قبلی شاخص های مدل γ، از یکنواخت پیشین با Bernoulli 0.5 استفاده می کنیم.

بویژه، پیشین- جی زلنر با مشخص کردن مجموعه ای از پارامترهای β متغیرهای کمکی مورد بررسی تعریف می شود:

که در آن γ مجموعه شاخص های انتخاب متغیر توصیفی و ϕ پارامتر دقت می باشد (یعنی معکوس واریانس). هیپر پارامتر g همچون اندازه نمونه پیشین نسبی عمل می کند، بنابراین، تاثیر آن بر نتایج کاملا محسوس است. پیشنهادات زیادی در آثار در زمینه انتخاب g ارائه شده است. ما از ریشه واحد پیشین کاس و واسرمن (1995) استفاده می کنیم که g=n (اطلاعات واحد پیشین) را تعیین می کند و n اندازه نمونه داده ها را نشان می دهد.

 به محض انتخاب مهمترین متغیرهای کمکی از طریق طرح انتخاب متغیر، مدلها را با متغیرهای کمکی انتخابی برازش می دهیم تا برآوردهای پارامتر تعیین کننده توزیع پیشین مناسب، برای پارامترهای متغیرهای کمکی انتخابی  را استخراج کنیم. پارامترها از توزیع گاوسی  پیروی می کنند که در آن توزیع گامای معکوس را نشان می دهد و  است.

برای ارزیابی دقت پیش بینی مدلهای پواسون بیزی، مدل پیش بینی کننده خلفی جهت بررسی و مقایسه داده های تکراری تحت مدلهای برازشی، با داده های مشاهده شده بکار می رود. بنابراین، مقادیر شبیه سازی شده شش متغیر شمارشی، از توزیع پیش بینی خلفی مربوط به داده های تکراری و از طریق معادله زیر استخراج شده اند:

(4)                          

موارد دوم با  داده های مشاهده شده  مقایسه می شوند، و مقادیر مشابه بین  و  برازش خوبی نشان می دهند.

نرم افزار WinBUGS (لان و همکارانش 2000) برای برازش مدلهای بیزی استفاده شد. انتخاب مدل با استفاده از معیار اطلاعات انحرافی (DIC) اجرا شد، (اسپگلهالتر و همکارانش 2002)، در حالی که مدل هایی با ارزش DIC کوچک تر، بهتر مورد تایید داده ها هستند. نتایج خلفی پارامترهای مدل با استفاده از 5000 تکرار به عنوان دوره داغیدن اولیه و یک نمونه اضافی از 50000 تکرار با کاهش 10 تکرار برای اجتناب از همبستگی خودکار بدست آمد.

4. یافته های تحقیق

در این بخش، یافته های حاصل از برازش شش مدل رگرسیون پواسون بیزی ارائه شده است. بویژه، در بخش زیر تحلیل توصیفی مقدماتی ارائه شده است. بخش 2.4 شامل نتایج احتمالی خلفی است که با استفاده از رویکرد پیشین- جی زلندر بدست آمده اند. پس از انتخاب متغیرهای کمکی معنی دار از نظر آماری از طریق رویکرد پیشین جی بخش  3.4، برآوردهای پارامتری خلفی میانی ​​برای مدل های انتخابی ارائه شده اند. در بخشنهایی 4.4،  نتایج تجزیه و تحلیل نیکویی برازش مدلهای برازشی  ارائه شده است.

1.4 تحلیل توصیفی

تحلیل توصیفی پنج BI و شاخص تجمیعی در جدول 6 ارائه شده اند. میانگین و انحراف معیار استاندارد نمونه BIها برای داده های کامل ارائه شده و برحسب اندازه، کشور و فعالیت کسب و کار تقسیم شده اند. تصاویر 4-1 نمایش بصری متغیرهای توصیفی بالا برای پنج BI را نشان می دهند (شاخص تجمیعی به خاطر تغییرات قابل توجه در مقیاسها، در مقایسه با BIها وارد نشده اند).

براساس میانگین سطوح نمونه های GRI BIs، شاخص های EN13 ,DMA_Bio بالاترین نمره را در بین 182 کشور دارند (میانگین کلی نمره: 1.24 و 1.23).

 

تصویر 1:  میانگین ​​نمرات BI برای داده های کامل

 

تصویر 2: میانگین نمرات BI بر حسب اندازه شرکت ها

 

تصویر3: میانگین BI ها برحسب کشور

 

تصویر 4: میانگین ​​BI ها برحسب بخش

پایین ترین نمره برای شاخص EN14 (میانگین نمره 0.8) مشاهده شد. این نتایج کلی برحسب بخش، کشور مبدا یا اندازه شرکت های نمونه متفاوت هستند. شرکت های بزرگ مربوط به صنعت مواد، فعالانه در افشاء  BI مشارکت می کنند، و پس از آن بخش های تسهیلات فعال می باشند. به همین ترتیب، شرکتهای مالزی و بولیوی اطلاعات جامعتری در مورد مدیریت تنوع زیستی ارائه کردند، با این حال، اندازه نمونه نیز بسیار کوچک. متداولترین BI که گزارش شده است ، EN13می باشد که به زیستگاه های حفاظت شده یا بازسازی شده همراه با رویکرد مدیریت نهاد گزارشی برای حفاظت از تنوع زیستی (DMA_Bio) اشاره دارد. در ارتباط با ادغام ملاحظات تنوع زیستی در ابزارهای تحلیلی اعمالی توسط سازمان، همچون ارزیابی تأثیرات محیط زیستی، کمتر از ده گزارش نمونه ما شامل اطلاعات مربوط به هزینه برنامه های حفاظت از تنوع زیستی یا فعالیت های بازسازی می باشند؛ اکثر شرکت ها تمایل دارند بیانیه های کوتاه حمایت/  تامین بودجه را به اقدامات خارجی یا مشارکت چندین شرکت کننده افشاء کنند، اما هزینه ها را مشخص نمی کنند.

2.4 انتخاب متغیر کمکی برای مدل های  پواسون بیزی

جدول 7، احتمال انتخاب خلفی  = را برای مجموعه ای از پیش بینی های موجود در شش مدل پواسون ارائه نشان می دهد. احتمال ورود  برای عرض از مبداء نشان داده شده است. با استفاده از مقدار آستانه 0.5،متغیرهای کمکی را که بیش از این آستانه می باشند، در مدل های انتخابی وارد می کنیم (جدول 7). نتایج اولیه جدول 7 نشان می دهد که همه متغیرهای مورد مطالعه در مدل نهایی قرار نگرفته اند. همچنین یافته ها نشان می دهند که تفاوت های معنی داری بین مدل های مختلف وجود دارد و این نشان می دهدکه تغییرات معنی داری بین BI ها، در رابطه با تاثیر متغیرهای کمکی بر آنها وجود دارد.

 نتایج انتخاب متغیر کمکی نشان می دهد که مهم ترین عامل برای BI ها، کشور مبدأ شرکت های گزارش دهنده است. به جز موارد شاخص تنوع زیستی EN12، به نظر نمی رسد که اندازه سازمانی پیش بینی کننده قابل توجه باشد. در نهایت، صنعت مراقبت های بهداشتی، مهم ترین بخش برای توضیح متغیر بودن شاخص های فعالیت های کسب و کار نمونه می باشد.

 تاثیر کشور و صنعت در مقایسه با شاخص BDI مرکب بسیار بیشتر است و اکثر متغیرهای کمکی در مدل انتخابی نهایی قرار دارند.

3.4 برآورد پارامترهای مدل پواسون بیزی

در این بخش نتایج مدل های برازشی ارائه شده است، که پس از روش انتخاب متغیرکمکی بخش قبل بدست آمدند. از این رو، جدول 8 شامل برآورد پارامتر میانی خلفی ( ) ​​ مهمترین متغیرهای کمکی در تمام شش مدل برازشی است. افشای رویکرد مدیریت( DMA_Bio)  برای شرکت های فعال در بولیوی، برزیل و مالزی، در مقایسه با همتایان هندی آنها ( ) بالا می باشد. مقادیر بسیار پایین DMA_Bio برای شرکتهای فیلیپینی ( ) دیده می شود، درحالیکه شرکتهای هندوستانی، اندونزیایی، کلمبیایی و چینی دارای سطوح افشای DMA_Bio مشابهی می باشند.

اندازه سازمانی و وابستگی صنعتی نقش مهمی در تمایز سطوح افشائ DMA_Bio در مقایسه با دیگر بخشهای کسب و کار بازی می کنند ( ). نتایج مشابه برای افشاء G4-EN11 مشاهده شده اند. سطوح افشاء پایین برای شرکتهای مالزی، در مقایسه با نتایج DMA_Bio بدست آمده اند. صنایع مراقبت های بهداشتی ( ) و فناوری اطلاعات ( ) دارای پایین ترین سطوح افشاء EN11 می باشند.

تصویر 5: خوب از ft از طریق مقایسه ابزار خلفی و مشاهده شده برای متغیرهای وابسته. افشاء شاخص EN12، الگوی یکنواخت تری با توجه به کشور مبداء نشان می دهد. شرکتهای بولیوی و فیلیپینی گزارش کننده فقط بالاترین ( ) و پایین ترین ( ) سطوح افشاء شاخص EN12 در مقایسه با کشورهای دیگررا نشان می دهند. با این حال، شاخص تنوع زیستی دارای اندازه اثر SMEها است و پایین ترین سطح افشاء ( ) را در مقایسه با شرکتهای بزرگ و چندملیتی نشان می دهد.

به هنگام ملاحظه فعالیت کسب و کار، بخشهای فناوری اطلاعات و مراقبت های بهداشتی دارای پایین ترین سطوح افشاء EN12 می باشند.

تحلیل EN13 نشان می دهد که شرکتهای اندونزی، برزیل و مالزی دارای نمرات افشاء بالایی در مقایسه با شرکتهای گزارش کننده هندی، بولیوی، کلمبیا و چین هستند. پایین ترین سطوح افشاء برای شرکتهای فیلیپینی مشاهده شده است، درحالیکه شرکتهای بخشهای مراقبت های بهداشتی سطوح نسبتا پایینی از گزارش EN13  نشان می دهند. نتایج مشابه برای شاخص EN14 بدست آمد و سطوح بالای افشاء برای شرکتهای اندونزی، بولیوی، مالزی و کلمبیا مشاهده گردید، در حالیکه شرکتهای IT EN14 کمتری نسبت به دیگر صنایع نمونه افشاء می کنند.