Virtuous or vicious cycles? <scp>T</scp> he role of divestitures as a complementary <scp>P</scp> enrose effect within resource‐based theory
Notice bibliographique
Résumé
Research summary : Studies of how divestitures affect firm performance offer mixed results. This paper unpacks relationships between divestitures and subsequent performance, focusing first on the moderating role of prior performance and then on mechanisms through which divestitures by higher‐ and lower‐performing firms affect performance. The study suggests that divestitures can exacerbate weakness and reinforce strength: divestitures by lower performers improve profits but inhibit sales growth and tend to speed the firms’ exits as independent actors; by contrast, higher‐performing divesters invest in support of existing assets and gain new growth, while avoiding becoming acquisition targets. Most generally, divestitures help reduce constraints to changing a firm's resource base, which we refer to as a complementary Penrose effect. Managerial summary : Divestitures help both struggling firms and high performers free financial and managerial resources that they can reinvest in more productive uses. In doing so, divestitures reinforce the strength of high performers but may exacerbate weaknesses of struggling firms. Divestitures by lower performers improve their profits but inhibit their sales growth and increase the chances that the firms will be acquired. By contrast, higher‐performing divesters gain new growth by investing in support of existing and recently acquired assets and, by doing so, are less likely to become targets of acquirers who seek their productive assets. Thus, divestiture is part of a downward cycle for struggling firms but supports a virtuous cycle for superior 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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».