MétaCan
Menu
Retour à la cohorte
Enregistrement W2898423593 · doi:10.1093/sf/soy101

Left Partisanship and Top Management Pay in Affluent Capitalist Democracies

2018· article· en· W2898423593 sur OpenAlexaff
Jingjing Huo

Notice bibliographique

RevueSocial Forces · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésExecutive compensationShareholderCollective bargainingEconomicsLabour economicsFinancializationEconomic inequalityPoliticsCorporate governanceMarket economyFinanceInequalityLawPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Complementing the existing partisanship and income distribution literature that focuses on the earnings of all employees, this paper examines the effect of left government partisanship on top managers. Drawing on firm-level top executive compensation data across thirteen advanced industrialized countries, the paper shows that left government partisanship principally leads to lower CEO compensation, either through laws that enhance workers’ collective bargaining power vis-à-vis management or laws that allow shareholders to cast proxy votes on executive compensation (i.e., say-on-pay laws). Furthermore, I show that left government partisanship reduces CEO pay more heavily in those firms that more strongly favor labor’s competing stakeholders. In particular, left partisanship reduces executive compensation more heavily in firms that set aside more revenue for shareholders, managers, or creditors, that is, firms with higher asset return, stock return, or debt. These findings highlight how the macro-politics of rising top income inequality at the national level interacts with the micro-distributive conflicts at the firm level. In particular, financialization, such as the rise of the shareholder value revolution, may accentuate the impact of partisan politics against top income inequality.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,139
Score d'incertitude au seuil0,387

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 GPT0,233
Écart entre enseignants0,217 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial ForcesMême sujetCorporate Finance and GovernanceTravaux en français237 207