MétaCan
Menu
Retour à la cohorte
Enregistrement W2789451952 · doi:10.12735/jbm.v7n1p1

Capital Structure and Foreign Ownership: Evidence from China

2018· article· en· W2789451952 sur OpenAlexvenueno aff
Agyapomaa Gyeke‐Dako

Notice bibliographique

RevueJournal of Business & Management · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaBusinessForeign ownershipInternational economicsEconomicsForeign direct investmentPolitical scienceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

This study provides fresh evidence on how sensitive long and short-term debts are to their financial determinants, looking at firms with different degrees of foreign ownership. Specifically, the study divides ownership into three groups, Purely Domestic, Joint Ventures and Wholly Foreign Firms and compares how their respective long-term debt and short-term debts respond to changes in their financial determinants. Wholly Foreign Firms and Joint Ventures are presumed to be more efficient and have a larger pool of cash flow compared to Purely Domestic Firms. In addition, firms with some degree of foreign ownership are presumed to be more endowed with tangible assets than firms without any degree of foreign ownership. Differences in these endowments are expected to reflect in the debt maturity choices of the different types of firms. Using ORIANA Dataset covering the period 2000-2008 on over 20,000 Chinese firms and the GMM technique, this study finds that while wholly-foreign firms and joint ventures’ short-term debt respond less to changes in cash flow compared to domestic firms’, there is no difference between how wholly-foreign firms and joint ventures long-term debt respond to changes in cash flow. Contrary to our expectations, we find that an increase in collateral will allow foreign firms to increase their long-term debt much more than Joint Ventures and Purely Domestic Firms. The implication of these results is that China’s attempt to improve its financial system has not fully gained grounds.

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 enseignants0,361
Score d'incertitude au seuil0,675

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,017
Tête enseignante GPT0,209
Écart entre enseignants0,192 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business & ManagementMême sujetCorporate Finance and GovernanceTravaux en français237 207