Family Control, Regulatory Environment, and the Growth of Entrepreneurial Firms: International Evidence
Notice bibliographique
Résumé
Abstract Manuscript Type Empirical Research Issue We investigate the joint effects of family control and the regulatory environment on entrepreneurial growth through the lens of socio‐emotional wealth (SEW) theory. Research Findings Taking into consideration both economic and non‐economic goals of entrepreneurial firms, measured by sales growth and employment growth respectively, we find that, compared to their non‐family‐controlled counterparts, family‐controlled firms tend to have lower sales growth rates, but higher employment growth rates. Furthermore, less favorable regulatory environments reduce both sales and workforce growth rates to a greater extent for family‐controlled firms than for non‐family‐controlled firms. Theoretical/Academic Implications We add to the corporate governance and family business management literature by documenting that the regulatory environment moderates the corporate governance effect of family control on the economic and non‐economic goals of family‐controlled firms. The findings also contribute to the family business management literature by enriching and providing strong evidence in favor of the SEW theory through our exploration of the moderating role that macro‐governance plays in the family control‐SEW relation. This research also makes contributions to the entrepreneurship literature, laying a foundation for future empirical studies on entrepreneurial growth by separating its economic from its non‐economic dimensions. Practitioner/Policy Implications Our findings provide practical implications for both policy makers and entrepreneurs. They not only help entrepreneurs better understand growth strategies in various macro‐governance settings, but also provide governments and policymakers with potential policy implications to encourage entrepreneurial and economic growth. Policies that improve the macro‐governance environment can help family firms to prosper by contributing to their economic and non‐economic growth, both of which are important for economic development.
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 | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,005 | 0,000 |
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.
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 ».