Empirical Assessment of Factors Influencing Corporate Performance of China’s Independent Brand Automobile Companies
Notice bibliographique
Résumé
China’s independent brand automobile is an infant industry in China. It is characterized by a small share in the world market and low price with unreliable quality. However, continuous expansion of China’s population, an increase in the number of high-end consumers, coupled with rapid economic development, serve altogether to promise China’s independent brand automobile companies a bright future. In October 2014, China introduced a favorable policy that low-exhaust models (1.6L and below) pay half of previous purchase tax. Afterwards, China’s independent brand automobile industry experienced a booming period. Nevertheless, the gradual degradation of policy dividend, changes in market environment, and consumer awareness, have compelled China’s independent brand automobile companies to adjust their original business model and to innovate accordingly so as to meet new market demand.This paper empirically investigates factors influencing corporate performance of China’s independent brand automobile companies. It utilizes data of all 18 listed China’s independent brand automobile companies between 2012 and 2016. Factors assessed include capital scale, enterprise growth rate, capital turnover rate, enterprise solvency, research and development expenditure input intensity, sales channel, human resources etc. Empirical results find that the scale of the company, the growth rate of total assets, the growth rate of net profit, the profit margin of core business, the operating profit margin, the current ratio, the quick ratio, the intensity of research and development investment, and the ratio of highly educated employees, are the key factors which enhance corporate performance of China’s independent brand automobile 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».