MétaCan
Menu
Retour à la cohorte
Enregistrement W2045237363 · doi:10.1509/jm.11.0225

You get what you Pay for: The Effect of Top Executives’ Compensation on Advertising and R&D Spending Decisions and Stock Market Return

2012· article· en· W2045237363 sur OpenAlexaff
Imran S. Currim, Jooseop Lim, Joung W. Kim

Notice bibliographique

RevueJournal of Marketing · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésIncentiveEquity (law)Stock (firearms)EconomicsBusinessCouponStock marketAdvertisingMonetary economicsMicroeconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Although there is literature on how top executives’ compensation influences general management decisions, relatively little is known about whether and how compensation influences advertising and research-and-development (R&D) spending decisions. This study addresses two questions. First, is there an incentive effect of long- versus short-term compensation on advertising and R&D spending? Second, is there a mediation effect of advertising and R&D spending on the relationship between long- versus short-term compensation and stock market return? The authors address these questions using a combination of ExecuComp, Compustat, and Center for Research in Security Prices data on 842 firms during the 1993–2005 period. They find that an increase in the equity to bonus compensation ratio is positively associated with an increase in advertising and R&D spending as a share of sales. Advertising and R&D spending as a share of sales also mediates the effect of equity to bonus ratio on stock market return. The authors discuss implications for top management seeking to mitigate myopic management of resources by employing compensation to incentivize a longer-term orientation for advertising and R&D spending to improve stock return.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,258
Écart entre enseignants0,236 · 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

Citations107
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of MarketingMême sujetCorporate Finance and GovernanceTravaux en français237 207