Corporate entrepreneurship and debt financing: evidence from the GCC countries
Notice bibliographique
Résumé
Purpose – The Gulf Cooperation Council (GCC) member countries have recently given tremendous emphasis to corporate entrepreneurship. The purpose of this paper is to investigate whether the lack of entrepreneurship in publicly listed GCC firms affects their ability to acquire debt financing. Design/methodology/approach – Using stochastic frontier approach, the paper estimates an optimal revenue function given labor costs, operating expenses, and existing physical infrastructure of an organization. The paper estimates the difference between the optimal and actual level of firm revenues from a revenue frontier function, which can be partially resulted from managerial inefficiency due to the lack of corporate entrepreneurship. The paper uses fixed-effect panel regression and simultaneous equations system to determine the effect of such inefficiency on firms’ debt financing. Findings – The main finding is that as entrepreneurial activities increase, firms’ ability to borrow from banks also increases. Results also indicate that increased borrowing improves internal governance practices and indirectly compel the management to become more efficient. Research limitations/implications – Results exhibit how improving entrepreneurship affects firms’ access to external financing when the financial markets are underdeveloped and are plagued with information asymmetry and agency problems. Practical implications – The paper provides insights for policy makers in the GCC and other emerging countries where entrepreneurial activities are becoming a priority. Originality/value – The paper develops a new proxy measure of entrepreneurship in public firms and advances our knowledge about the importance of entrepreneurship in finance.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».