MétaCan
Menu
Retour à la cohorte
Enregistrement W1500395222 · doi:10.1002/smj.2133

Does evidence of network effects on firm performance in pooled cross‐section support prescriptions for network strategy?

2013· article· en· W1500395222 sur OpenAlexafffund
Joel A. C. Baum, Robin Cowan, Nicolas Jonard

Notice bibliographique

RevueStrategic Management Journal · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueICT Impact and Policies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaShandong Academy of SciencesFonds National de la Recherche LuxembourgPennsylvania State University
Mots-clésVariance (accounting)Medical prescriptionOddsEconometricsEconomicsBusinessIndustrial organizationStatisticsAccountingLogistic regressionMedicineMathematics

Résumé

récupéré en direct d'OpenAlex

Strategic prescriptions drawn from pooled cross‐sectional evidence of firm performance effects are not necessarily warranted. This is because firm characteristics can influence both the mean and variance of firm performance. Strategic inferences are warranted if empirically observed effects reflect increases in mean firm performance. If they reflect increases in firm performance variance, however, such inferences are warranted only if the increased odds of achieving high performance compensate sufficiently for the concomitantly increased risk of realizing poor performance. Our simulation study, which contrasts firm performance effects in pooled cross‐section and within‐firm over time, counsels caution when basing strategic prescriptions on pooled cross‐sectional studies of firm performance in general, and in the case of network effects in particular . Copyright © 2013 John Wiley & Sons, Ltd.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,843
Score d'incertitude au seuil0,542

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,269
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStrategic Management JournalMême sujetICT Impact and PoliciesTravaux en français237 207