MétaCan
Menu
Retour à la cohorte
Enregistrement W2022804566 · doi:10.5539/ijef.v6n6p234

Cost Management Practices and Firm’s Performance of Manufacturing Organizations

2014· article· en· W2022804566 sur OpenAlexvenueno aff
Oyerogba Ezekiel Oluwagbemiga, Olaleye Michael Olugbenga, Solomon Adeoluwa Zaccheaus

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2014
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueOperations Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProfitability indexCost centreBusinessVariable costStock exchangeTotal absorption costingProfit (economics)Profit maximizationIndustrial organizationCost accountingOperations managementOverhead (engineering)AuditEconomicsFinanceAccountingMicroeconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

This study investigates the relationship that exists between cost management practices and firm’s performance in the manufacturing organizations using data from 40 manufacturing companies listed on the Nigeria stock exchange during the period of 2003 to 2012. Four hypotheses were formulated for the study and tested using t-statistic. The study relied on secondary data extracted from the audited financial statement of the selected companies. Direct material cost, direct labour cost, production overhead cost and administrative overhead cost were taken as independent cost management variables while profitability (Operating profit) was taken as dependent variable representing the firm’s performance. The result indicates that a positive significant relationship exists between cost management practices and firm’s performance in the manufacturing organization. It is therefore recommended that a cost reduction strategy with emphasis on production overhead cost and administrative overhead cost should be embarked upon if their profit maximization and wealth creation objective must be achieved.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,049
Tête enseignante GPT0,334
Écart entre enseignants0,285 · 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

Citations37
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetOperations Management TechniquesTravaux en français237 207