MétaCan
Menu
Retour à la cohorte
Enregistrement W2169173792 · doi:10.5539/ijef.v6n5p84

The Dynamic Relationship between Managerial Ownership and Corporate Diversification: Evidence for Family and Non-Family Businesses

2014· article· en· W2169173792 sur OpenAlexvenueno aff
Tsui‐Jung Lin, Chang Li, Chi-Ping Hou, Pei-Rong Chou

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFamily Business Performance and Succession
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiversification (marketing strategy)BusinessFamily businessPanel dataDemographic economicsAccountingEconomicsMarketingEconometrics

Résumé

récupéré en direct d'OpenAlex

In Taiwan, ownership structure is separated to differentiate between family businesses and non-family businesses. Moreover, the dynamic relationship between managerial ownership and corporate diversification is complicated. This study is attempted to examine, under different ownership structure, whether managerial ownership is associated with subsequent changes in diversification or diversification is associated with subsequent changes in ownership. This study used a sample of firms listed in Taiwan from 2002 to 2011; the Panel Data Regression with fixed effects model is utilized to find the relationship between managerial ownership and diversification. This result shows that in non-family businesses, managerial ownership (diversification) is negatively related to subsequent diversification (subsequent managerial ownership); in family businesses, managerial ownership (diversification) is positively related to subsequent diversification (subsequent managerial ownership). Therefore, investors should understand the business strategy that lead to changes among family business, managerial ownership and diversification in order to facilitate investment decisions.

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)0,003
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,073
Tête enseignante GPT0,261
Écart entre enseignants0,189 · 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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetFamily Business Performance and SuccessionTravaux en français237 207