Relating Company Size and Financial Performance in Agricultural Firms Listed in the Nairobi Securities Exchange in Kenya
Notice bibliographique
Résumé
Company/firm size is among the many variables that is significant in assessing the profitability of a company. Therefore, this paper seeks to evaluate the effect of company size on the financial performance of listed agricultural companies in Kenya. The theory of economies of scale that links benefits arising from company size, cost management and production volumes was utilized. Secondary data was extracted from the annual reports comprising of financial statement from the period 2003 to 2013 and analyzed using a pooled OLS model. Company size was measured using the total assets (Log of assets) while financial performance was measured by return on assets (ROA), return on equity (ROE) and earnings per share (EPS). The regression results present the goodness of fit for the regression between log total asset and ROA, ROE and EPS as 0.112, 0.113 and 0.074 respectively. The overall model of ROA, ROE and EPS was significant with F statistic of 9.334, 11.096 and 5.901 respectively. The relationship between log total asset and financial performance measures was positive and significant for ROA (b1= 0.033, p value, 0.003) and ROE (b1= 0.049, p value, 0.001) and. EPS (b1= 3.866, p value, 0.018). These results indicate that company size as measured by total assets affects financial performance of agricultural companies listed in NSE positively and significantly. Company size had positive and statistical significance on all the three indicators of the financial performance disclosing that large companies were found to have a competitive advantage over small firms.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».