Determinants of quality corporate governance in Sub-Saharan Africa
Notice bibliographique
Résumé
Purpose – This study aims to examine the factors influencing the quality of corporate governance in South Africa (SA) and Kenya. Firm-level variables including performance, firm size, leverage, investment opportunities and audit quality were identified from the corporate governance literature. Design/methodology/approach – The study used panel data of 247-firm years obtained from the annual reports of the 50 largest companies listed on the Johannesburg Securities Exchange (JSE) of SA and 234-firm years obtained from the 49 companies listed on the Nairobi Stock Exchange (NSE). The author then used content analysis to extract the study variables from the annual reports and multiple regression analysis to determine their relationship. Findings – The study found audit quality and firm performance as the main factors influencing the quality of corporate governance in Kenya and SA. There are also differences in the quality of corporate governance between the two countries. Research limitations/implications – First the study sample consists of the 50 largest firms listed in the JSE of SA and another 49 companies listed in the NSE of Kenya. Since these are large companies, the results may not be generalized to other smaller firms operating in both SA and Kenya. Second, this study is constrained to SA and Kenya. Firms in other developing countries may differ from their SA and Kenyan counterparts. Originality/value – The results of this study are important to the King Committee and other corporate governance regulators in Sub-Saharan Africa, in their effort to improve corporate governance practices, minimize corporate failure and protect the well-being of the minority shareholders. Furthermore, the study contributes to the understanding of the variables affecting the quality of corporate governance in developing economies of Africa.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».