Factors influencing quality corporate governance in Sub Saharan Africa: an empirical study
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 – This study aims to examine the factors influencing the quality of corporate governance in South Africa (SA). Firm-level variables including performance, firm size, leverage, investment opportunities and audit quality were identified from the corporate governance literature. Design/methodology/approach – The study used ordinary least squares regression on firm-specific and corporate governance variables obtained from panel data of 247-firm years obtained from the annual reports of the 50 largest companies listed on the Johannesburg Stock Exchange (JSE) Securities Exchange of SA. Findings – This study found leverage, firm size and investment opportunities as the main factors influencing the quality of corporate governance in SA. Research limitations/implications – The research findings should be interpreted in the light of the following limitations. First, the study sample consists of the 50 largest firms listed in the JSE of SA. Because these are large companies, the results may not be generalized to other smaller firms operating in SA. Second, this study is constrained to SA. Firms in other developing countries may differ from their SA counterparts. Originality/value – The results of this study are important to the King Committee and other corporate governance regulators in Sub-Saharan Africa, in their effort to improve corporate governance practices and probably minimize corporate failure and protect the well-being of the minority shareholders. Furthermore, the study contributes to our understanding of the variables affecting the quality of corporate governance in developing economies of Africa.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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