MétaCan
Menu
Retour à la cohorte
Enregistrement W2893723334 · doi:10.4236/ajibm.2018.89135

Optimal Executive Compensation Dispersion and Product Market Structure

2018· article· en· W2893723334 sur OpenAlexaff
Chen Ding, Shin‐Hwan Chiang, Yutong Li

Notice bibliographique

RevueAmerican Journal of Industrial and Business Management · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensYork University
Organismes subventionnairesXi'an Shiyou UniversityEducation Department of Shaanxi Province
Mots-clésExecutive compensationCompensation (psychology)Dispersion (optics)Product marketCompetition (biology)Corporate governanceProduct (mathematics)MicroeconomicsBusinessIndustrial organizationEconomicsIncentiveFinance

Résumé

récupéré en direct d'OpenAlex

Executive compensation is considered as one of the most crucial issues for the corporate governance. The proper executive compensation dispersion can be employed to motivate the top managers and then to boost the firm performance, but the definition of “proper” varies in the existing literature. The bigger dispersion is better for firm performance based on Tournament Theory but smaller one is better according to some other theories. In this paper, we try to theoretically study the optimal executive compensation by considering the internal and external situation of the firm at the same time, especially the influence of product market. We find the optimal compensation dispersion will increase (decrease) if more (less) firms enter the market when the cost of sabotage increases more rapidly than the cost of effort, vice versa. The findings imply the firm should increase (decrease) the compensation dispersion if the intensity of competition in product market decreases (increases) when sabotage is expensive and the firm should increase (decrease) the compensation dispersion if the intensity of competition in product market increases (decreases) when sabotage is cheap.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,853
Score d'incertitude au seuil0,519

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 savante0,0000,001
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 Opus0,016
Tête enseignante GPT0,207
Écart entre enseignants0,191 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Industrial and Business ManagementMême sujetCorporate Finance and GovernanceTravaux en français237 207