MétaCan
Menu
Retour à la cohorte
Enregistrement W1845426130

The Relationship between External and Internal Performance Measures of the Firm: A Panel Cointegration Approach

2010· article· en· W1845426130 sur OpenAlexaff
Chawki Mouelhi, Jacques Saint-Pierre

Notice bibliographique

RevueSSRN Electronic Journal · 2010
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensUniversité LavalUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésCointegrationEconometricsPanel dataRobustness (evolution)EconomicsUnit rootSample (material)ResidualCash flowEarnings per shareMarket shareValue (mathematics)EarningsStatisticsMathematicsAccounting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article uses the recent developments in the econometrics of non-stationary dynamic panel data to re-examine the relationship between external and internal performance measures of the firm. A sample of 420 U.S. firms over the period (1990-2004) is used in the empirical analysis. In addition, four sub-samples are specially designed according to two contextual factors, namely, size of the firm and its life cycle. The panel unit root test of Im, Pesaran and Shin (2003) and the panel cointegration test of Pedroni (2004) were applied on the overall sample and on the four sub-samples to verify the existence of a long term equilibrium between market value added per share (MVA), which is the external performance measure, and four internal performance measures, namely, earnings per share (EPS), cash flow from operations per share (CFO), residual income per share (RI) and economic value added per share (EVA). Our main results show that the cointegration relationship between MVA and EVA is the most powerful, compared to the other models. Also, regardless of the firm-size factor and the firm’s life cycle factor we found the same results. Several explanations are provided for the above findings supported by a robustness analysis using panel error-correction models.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,767

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,083
Tête enseignante GPT0,289
Écart entre enseignants0,207 · 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'étudeObservationnel
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

Citations2
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetFinancial Reporting and Valuation ResearchTravaux en français237 207