The Effect of Institutional Ownership on Firm Performance: Evidence from Jordanian Listed Firms
Notice bibliographique
Résumé
<p>Last decade witnessed successive corporate scandals for various firms that points to a failure of corporate control. Expertize and interested parties all over the world proposed to focus on monitoring the management decisions to reduce such failure in firms. Therefore, the structure of ownership became more and more as an important issue to increase both efficiency and effectiveness of management decisions. This study seeks to investigate whether institutional ownership affects the firm’s performance for one of the emerging markets; Jordan. Firm’s performance is measured through applying two accounting measures Return on Assets (ROA) and Return on Equity (ROE), with 6 explanatory variables. Our sample is unique and contains 82 non-financial Jordanian firms listed at Amman Stock Exchange (ASE) for the period of 2005-2013, by applying panel data regression analysis. It depends on building three OLS models: Pooled, Fixed Effects Model and Random Effects Model. In addition, a test for Breusch and Pagan Lagrangian multiplier (LM), and Hausamn test to choose among the three models which model is most suitable for our data. A main finding of the panel data analysis is that; fixed effect regression is the most convenient model. As a result, there is no strong evidence that there is a relationship between both institutional ownership and firm performance for Jordanian listed firms. This conclusion can be due to the fact that institutional ownership has its own pros and cons, therefore, their existence and influence could affect materially the types and risk level of investment decisions taken by the management which in return will affect the firm’s performance as a whole. ociation with external reserve and net credit to the economy. Based on these results; it is recommended that, the Nigeria government should designed programmes and incentives to boost industrial capacity utilization in the country. Markets determine nominal exchange rate should prevail in the economy. The country should regulate its foreign reserve policy by setting a threshold, above which excess deposit should be plough back to the domestic economy inform of investments rather than support excessive importation.</p><p> </p>
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».