MétaCan
Menu
Retour à la cohorte
Enregistrement W2744893867 · doi:10.5539/ijef.v9n9p40

Agency Conflicts, Socioemotional Wealth, and the Debt Maturity Structure of Family Firms: A Critical Analysis

2017· article· en· W2744893867 sur OpenAlexvenueno aff
Oscar Domenichelli

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFamily Business Performance and Succession
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocioemotional selectivity theoryShareholderAgency (philosophy)DebtMaturity (psychological)CreditorBusinessFlourishingPublic economicsEconomicsCorporate governanceFinanceSociologySocial psychologyPolitical sciencePsychology

Résumé

récupéré en direct d'OpenAlex

This paper aims to study the impact of the distinctive agency and socioemotional features of family firms on their debt maturity choices using a literature analysis of this topic, still substantially unexplored. Therefore, the paper examines the relationships between owners and managers; majority and minority shareholders, and family shareholders and family outsiders; and owners and creditors. The analysis suggests that the propensity of family businesses to use long-term debt depends on the generation leading the family firm, family blockholders, motivation for expropriating minority shareholders, family outsiders and their socioemotional orientation. Much still remains to be empirically studied. One interesting issue to explore further would be the influence of country-specific factors worldwide, in combination with firm-specific characteristics relating to agency conflicts and socioemotional wealth, on the debt maturity decisions of family firms, compared to non-family ones. Given the international importance of family firms, and their widespread presence and activity worldwide, additional empirical results on this topic may help governments adopt specific policies, that will better support family businesses, in light of their peculiar and unique economic and non-economic aspects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil0,294

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,264
Écart entre enseignants0,246 · 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 tête enseignante, 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

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