Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine if the structure and design of CEO compensation has any effect on firm innovation. It further investigates the effectiveness of each component of portfolio of compensation incentives in encouraging innovation. Design/methodology/approach This study uses systems of simultaneous equations to model the interdependence between compensation incentives and measures of firm innovation. Findings Results indicate that the pay‐performance sensitivity of the CEO portfolio of compensation incentives is positively related to investment in R&D expenditures, number of patents and citations. Options in general are more effective than stocks. However, within the options portfolio, recently awarded and unvested options are more effective than previously awarded and vested options. Restricted stock is more effective than unrestricted stock. Research limitations/implications Measuring innovation output is difficult as innovation could take different forms, including business model innovation, which does not appear in the patent data. Practical implications Stock options encourage investment in value‐increasing innovations and should remain a significant part of managerial compensation. If the firm awards stock, it should only award restricted stock. Originality/value This study uses comprehensive measures of compensation incentives and firm innovation. It views incentives as a portfolio of stock and options and uses incentives in their entirety. It examines the effectiveness of each component of the portfolio in encouraging innovation. It measures innovation as investment into the innovation process (R&D expenditures) and the resulting success of that investment (patents and citations).
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 | 0,001 | 0,000 |
| 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 | 0,002 |
| 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 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 ».