MétaCan
Menu
Retour à la cohorte
Enregistrement W2889438466 · doi:10.5539/ibr.v11n9p86

Corporate Social Responsibility Disclosure and Firm Performance of Malaysian Public Listed Firms

2018· article· en· W2889438466 sur OpenAlexvenueno aff
Mohd Waliuddin Mohd Razali, Winnie Hii Sin Sin, Janifer Lunyai, Josephine Yau Tan Hwang, Irma Yazreen Md Yusoff

Notice bibliographique

RevueInternational Business Research · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueImpact of AI and Big Data on Business and Society
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Malaysia Sarawak
Mots-clésReturn on assetsReturn on equityBusinessCorporate social responsibilityAccountingLeverage (statistics)Market liquidityEnterprise valueControl (management)FinanceProfitability indexEconomics

Résumé

récupéré en direct d'OpenAlex

Corporate Social Responsibility (CSR) disclosure has become a rising concern for the public listed firms worldwide due to its ability to enhance firm’s market performance and financial performance. The main objective of this study is to investigate the relationship between CSR disclosure and firm performance of Bursa Malaysia’s listed companies based on their market value added (MVA), return on equity (ROE) and return on assets (ROA). 324 samples of public listed companies’ annual report for the period of 2014 to 2016 were obtained from Bursa Malaysia and examined. The extent of their CSR disclosure were measured and analyzed. After accounting for control variables such as firm size, firm age, firm leverage and firm liquidity, the result shows that there is a positive significant relationship between CSR disclosure and firm performance in terms of ROA and ROE. This reveals that high level of CSR disclosure helps firms to achieve optimum performance through increased competitiveness, improved firm’s image amongst society, and creates new opportunities in the marketplace. The findings also showed mix results among the control variables towards firm performance. For future research, this paper recommends to extend the study by using different CSR disclosure measurement, different firm performance measurement such as return on investments (ROI) and Tobin’s Q and different samples.

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)0,006
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,053
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,368
Tête enseignante GPT0,467
Écart entre enseignants0,099 · 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.

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

Citations19
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetImpact of AI and Big Data on Business and SocietyTravaux en français237 207