MétaCan
Menu
Retour à la cohorte
Enregistrement W2017146061 · doi:10.1108/03074350810874091

Dividend payout and executive compensation: theory and Canadian evidence

2008· article· en· W2017146061 sur OpenAlexaffabout
Nalinaksha Bhattacharyya, Amin Mawani, Cameron K.J. Morrill

Notice bibliographique

RevueManagerial Finance · 2008
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensUniversity of ManitobaYork University
Organismes subventionnairesnon disponible
Mots-clésExecutive compensationDividendDividend payout ratioCompensation (psychology)EconomicsAccountingBusinessPsychologyDividend policyFinanceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Purpose This paper seeks to present and test a model of the association between dividend payout and executive compensation. Design/methodology/approach The authors develop a model based on Bhattacharyya whereby managerial quality is unobservable to shareholders, and therefore first‐best contracts are not possible. In the second‐best world, compensation contracts motivate high quality managers to retain and invest firm earnings, while low quality managers are motivated to distribute income to shareholders. These hypotheses arising from the model are tested on data for Canadian firms' dividend payouts over the period 1993‐1995 using tobit regression analyses. Findings Consistent with the predictions of the Bhattacharyya model, the results show that, ceteris paribus, earnings retention (dividend payout) is positively (negatively) associated with executive compensation. These results hold when payout is defined as common dividends plus common share repurchases. Research limitations/implications The Canadian data provide only limited information on the components of executive compensation. A more useful test would be possible with more detailed information on, for example, salary, bonus, and benefits. Originality/value Several recent papers have documented an association between dividends and executive compensation. This paper presents and tests a model that provides a potential explanation for this link.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,027
Score d'incertitude au seuil0,198

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0020,003
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,027
Tête enseignante GPT0,207
Écart entre enseignants0,180 · 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 source (Gemma direct ou Codex distillé), 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

Citations27
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueManagerial FinanceMême sujetCorporate Finance and GovernanceTravaux en français237 207