The Misuse of Accounting-Based Approximations of Tobin’s q in a World of Market-Based Assets
Notice bibliographique
Résumé
Accounting-based approximations of Tobin’s q (AATQ) are increasingly popular in marketing. AATQ differ from Tobin’s original conception in that they use accounting data to assess the replacement cost of a firm’s assets; the core problem with this is that valuable assets go unrecorded in external reports, including systematic underrecording of market-based assets. This research examines the extensive erroneous claims made about AATQ in marketing studies. We note the widespread use of the metrics and demonstrate that the AATQ used in marketing (1) are not comparable across industries, (2) do not use only tangible assets in their denominator, and (3) should not find equilibrium at 1. AATQ are often described as performance metrics and can respond appropriately to certain types of positive performance. Unfortunately, they also respond positively to performance-neutral strategic choices. Furthermore, whenever AATQ exceed 1, as is typical, they increase even with completely wasted investments. We note that AATQ are especially problematic measures of performance for marketers because they are biased toward reporting that investments in market-based assets (e.g., brand equity and customer satisfaction) are effective. The misuse of AATQ we document suggests the need for marketing scholars to pay greater attention to the theoretical underpinnings of their metrics.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,040 | 0,261 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,008 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,012 | 0,014 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».