MétaCan
Menu
Retour à la cohorte
Enregistrement W1973821166 · doi:10.1300/j156v05n01_06

Impact of Staff Monitored Program on Firms' Market Performance

2003· article· en· W1973821166 sur OpenAlexaff
Satyendra Singh

Notice bibliographique

RevueJournal of African Business · 2003
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésChinaGovernment (linguistics)Economic reformInvestment (military)BusinessForeign direct investmentTransition economyEconomicsEconomic growthMarket economyPoliticsPolitical scienceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The purpose of the sudy was to ascertain the extent to which Staff Monitored Program (SMP), initiated by the Government of Angola, has affected the performance of firms based in Angola. This study focused on Angola because of several reasons: first, it appears that there is no academic study that examined the proposed relationship in Angola; second, the vast majority of studies have concentrated on Common Independent States (CIS), China, and India, but a few in the African Continent; and finally, Angola is one of the newest countries embracing the concept of economic reform. Certainly, the study provides insight into the role of free-market policies on firms' market performance in the transition economy. Based on the data obtained from 180 firms representing domestic and foreign businesses with most of their headquarters in Portugal, Brazil, Spain, Sao Tome, the USA and the UK, multiple regression analysis indicated that foreign exchange reform policy and international trade reform policy were the major determinants of firms' performance. Further, the study found little support for the hypotheses that investment, and infrastructure development reform policies have led to improved firm performance. Finally, managerial implications of the findings and the limitations of the study are discussed along with future research directions.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,345
Score d'incertitude au seuil0,584

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,014
Tête enseignante GPT0,252
Écart entre enseignants0,239 · 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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of African BusinessMême sujetInternational Business and FDITravaux en français237 207