Effects of subnational regional corruption on growth strategies in emerging economies: Evidence from Russian domestic and international M&A activity
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Research Summary This article contributes to an improved understanding of the effects of subnational regional corruption on the external growth strategies of emerging economy firms. We examine the acquisition activity of firms in their home regions, in other parts of the country, and internationally. We consider four mechanisms through which a corrupt regional home context can affect firms’ acquisition behaviors: (a) corrosive deal deterrence, (b) deal facilitation, (c) corruption escape into less corrupt contexts, and (d) enhanced corruption ability to acquire in similarly corrupt environments. Based on an analysis of the acquisition activity of 2,981 Russian firms established in 40 regions in Russia from 2001 to 2008, we find evidence for the existence of both deal facilitating and escaping effects of home region corruption. Managerial Summary Corruption indicators regularly reveal that emerging countries are more corrupt than developed countries. While prior academic research has associated corruption with predominantly negative effects on business activity, an increasing number of globally successful companies have emerged from such corrupt environments. We advocate a more nuanced view of the effects of corruption on the growth strategies of emerging economy firms. We show that home region corruption can have multiple effects on a firm's geographic expansion. Specifically, we find that corruption in the home region helps regional firms expand their business through acquisitions when it is pervasive and nonarbitrary. At the same time, however, when expanding geographically, firms, on average, seem to prefer to diversify their assets in other regions or countries that are less corrupt.
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.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 découle