Risk Management and Value Creation: Empirical Findings from Government Linked Companies in Malaysia
Notice bibliographique
Résumé
<p>This study is an attempt to assess the status of current level of value creation among the Government Linked Companies (GLCs) in Malaysia. This study collected primary data based on a set of questionnaire survey among 134 executives and managers of GLCs in Malaysia. The data were collected based on opinions of the ten factors of value creation practices by using the five-point Likert scale. The data were analysed using descriptive statistics. Further, the reliability of the data was tested using Cronbach’s alpha test, the validity of the data was tested by checking the normality test through skewness and kurtosis, and the consistency of the data was tested using factor analysis. On an average, 80.6% of the respondents agreed that they focus on these factors of value creation. Overall, the federal owned GLCs place more emphasis on certain elements of value creation than the state owned GLCs. Among the elements of value creation, the state owned GLCs emphasize the most on quality development and brand value creation, where the federal owned GLCs emphasized the most on reputation. The GLCs engaged in service sector emphasized the most on brand value and the GLCs engaged in manufacturing sector emphasized the most on customer satisfaction and quality development. This study suggest that GLCs in Malaysia improve the overall value creation by emphasizing on responsiveness, average return on investment, sales growth, profit growth and average return on sales.</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 | 0,000 |
| 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 ».