Notice bibliographique
Résumé
Purpose To address the empirical aspect of corporate investment patterns by providing evidence in an international setting regarding the critical factors affecting firm investment policy, focusing on the relevance of financial factors. Design/methodology/approach Examines international company‐level data for capital expenditures over the period 1987‐1997 using fixed effects regression analysis. Findings The capital expenditures of firms that are financially constrained are much less sensitive to the availability of internal funds than unconstrained firms. The evidence is particularly strong when firms are classified according to financial health, but is also prevalent for groups formed according to dividend behavior and firm size. The results provide strong support for the generality of the results of Kaplan and Zingales and Cleary. A major reason for the weak investment‐cash flow sensitivity displayed by unhealthy firms is that they appear to be busy building up financial slack, which has long‐term value, as postulated by Myers and Majluf. Research limitations/implications The conclusions in this study relate to the investment behavior of firms operating in well‐developed economies, which may not necessarily hold for firms operating in distinctly different environments. Given the critical importance of stimulating investment in developing economies, an interesting topic for future research would be to extend the analysis to firms operating in developing country environments to see whether the results herein also apply in these environments. Originality/value The results extend empirical evidence to an international setting, providing support for previous US results that had contributed to a debate in the literature. The results also demonstrate that a major reason for the weak investment‐cash flow sensitivity displayed by unhealthy firms is that they are reluctant to invest when debt levels increase, irrespective of the availability of internal funds. This represents an original contribution to the empirical literature.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».