Economic value added: a useful tool for SME performance management
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 aim of this study is to propose a performance measurement and management system (PMMS) for small‐ and medium‐sized enterprises (SMEs), based on an analysis of the connections between these firms' business practices and performance measured by economic value added (EVA). Design/methodology/approach Secondary data from the PDG ® database was used on a sample of 108 Canadian manufacturing SMEs over two consecutive years. The primary statistical method used was regression analysis to investigate the influence of diverse business practices on EVA in these firms. Findings This paper shows that EVA can be a useful tool for performance management in SMEs, when used in conjunction with a list of business practices that affect the firm's results. The findings indicate that some business practices have a direct impact on EVA within one year, while others have a deferred influence. The impacts of other practices on EVA were found to be weak or insignificant, an aspect that requires further investigation. Research limitations/implications The main limitation of this study is the lack of generalizability of the findings. However, the sampled SMEs vary widely in terms of their characteristics, which may mitigate the negative impacts of a non‐probabilistic sample. Practical implications This study offers a structured methodology to identify the paths leading to better performance in SMEs, through an improved understanding of their business practices' impacts on EVA. Originality/value To the best of the authors' knowledge, this is the first study that explores the linkage between SME business practices and EVA. When applied in conjunction with a set of business practices, EVA can help managers detect problems and identify sources of improvement.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| 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