A Study on the Influence of Institutional Investor Heterogeneity on the Executive Pay Stickiness——Based on the Perspective of Industrial Factor Intensity
Notice bibliographique
Résumé
Based on the data of Shanghai and Shenzhen A-share listed companies from 2012-2016, this paper empirically studies the influence of heterogeneous institutional investors on executive compensation stickiness of listed companies by using the method of multiple regression. The results show that the pay stickiness is very common in the listed companies. The overall institutional investor’s shareholding is promoting the executive compensation stickiness. The empirical results show that the institutional investors are divided into the pressure resistance institutional investors and the pressure sensitive institutional investors, according to whether the institutional investors have the commercial relationship with the listed companies. The empirical results show that they are compared to the pressure. Sensitive institutions, pressure resistance institutional investors can significantly inhibit the stickiness of executive compensation. However, different types of institutional investors have different preferences for the types of listed companies, and the enthusiasm of participating in corporate governance is different, and the pressure resistance institutional investors pay more attention to labor out of social responsibility. The long-term performance of a force intensive enterprise has a significant inhibitory effect on the stickiness of the executive compensation, while the pressure sensitive institutional investors actively manage and supervise the production and operation of the technology intensive enterprises for the consideration of the investment income, which has a restraining effect on the pay stickiness of the technology intensive enterprises.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».