MétaCan
Menu
Retour à la cohorte
Enregistrement W2781773099 · doi:10.5430/ijba.v9n1p64

Why do Firms Live Longer than Others? The Elixir of (Eternal) Life of Blue Chip American Companies

2017· article· en· W2781773099 sur OpenAlexvenueno aff
Pedro Manuel Nogueira Reis

Notice bibliographique

RevueInternational Journal of Business Administration · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPanel dataMarket liquidityDividendEconomicsEconometricsProfitability indexBusinessSample (material)Actuarial scienceFinancial economicsMonetary economicsFinance

Résumé

récupéré en direct d'OpenAlex

Purpose: Why do certain companies live longer than others? The average lifespan of a listed north and South American company is over 33 years and in Europe the average age of a company is 52 (Note 1). In 1288, Stora Enso a big pulp and paper company from Sweden issued its first share. According to credit rating agency Tokyo Shoko Research, in Japan, there are more than 20,000 companies with more than 100 years’ old. Through a sample of blue ship American listed oldest companies and quarter panel data from 1988-2013 this article identifies more than 8 significant explanatory variables and ascertains relevant factors related with longevity.Methodology: A new robust standard errors for panel regressions with cross-sectional dependence based on Driscoll-Kraay estimator is applied. This method (stata xtscc) is heteroskedasticity consistent and the standard error estimates are robust to general forms of cross-sectional and temporal dependence surpassing the deficiencies of traditional panel data statistical approaches.Findings: The sample of blue ship companies and panel regressions with Driscoll-Kraay estimator shows that the most relevant factors to induce longevity are related with growth opportunities perspective and horizon, cash liquidity, profitability and shareholders remuneration whether from dividends or repurchases, capital structure, strong claims-compliance-liability structure department, innovation and firm size.Originality: This paper’s topic considers for the first-time age as a dependent variable and not a control one. Also, the large time period of study, including quarterly observations is new, as well as the original approach to estimation applied to this theme, considered as an alternative to traditional panel data methods.Practical implications: With these determinants identified, professionals and academics can use them as benchmarking and a recipe to endure and assuring bigger lifespan for other mature and young companies.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,359

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 savante0,0000,000
Science ouverte0,0010,000
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 Opus0,040
Tête enseignante GPT0,273
Écart entre enseignants0,232 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business AdministrationMême sujetFirm Innovation and GrowthTravaux en français237 207