Competition in corporate philanthropic disaster giving
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose – The purpose of this study is to demonstrate how firms compete with each other in philanthropic giving in the context of a natural disaster. In particular, the authors want to investigate: Which firms act faster in disaster relief giving? How do late movers react? In the end, which firms donate most at the competitive equilibrium, first or late movers? Whether and how firm visibility will affect the relationships proposed based on the former three questions? Design/methodology/approach – The Chinese listed companies that donated to the May 12, 2008, Sichuan earthquake are taken as a sample. A negative binomial regression analysis is first conducted to identify the first movers. Then, linear regression analysis is conducted to identify the competition between first movers and late movers. Findings – The authors find that large firms and firms with a high financial performance tend to be first movers in disaster relief giving. Late movers donate amounts that are similar to those of first movers in both absolute and relative value. But first movers donate more in absolute value than late movers in the whole process of giving. Firm visibility strengthens the effect of financial performance (return on assets) on giving timing, but weakens the effect of giving timing on both first round and total giving amount. Originality/value – This study provides a dynamic theory of giving and enhances the understanding of the motives and patterns of corporate disaster relief giving. It also illustrates important insights into firms’ strategic and tactical behavior in disaster relief giving.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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