MétaCan
Menu
Retour à la cohorte
Enregistrement W2899792006 · doi:10.1108/raf-04-2017-0065

Does CEO compensation suppress employee wages?

2018· article· en· W2899792006 sur OpenAlexaff
Rachel Graefe-Anderson, Unyong Pyo, Baoqi Zhu

Notice bibliographique

RevueReview of Accounting and Finance · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensCanadian Imperial Bank of Commerce (Canada)Brock University
Organismes subventionnairesnon disponible
Mots-clésExecutive compensationLabour economicsAgency (philosophy)Compensation of employeesCompensation (psychology)OriginalityRecessionEconomicsBusinessAgency costValue (mathematics)Shareholder valueShareholderFinanceCorporate governance

Résumé

récupéré en direct d'OpenAlex

Purpose This study aims to examine the impact of CEO equity-based compensation (EBC) on employee wages. It also examines the impact of EBC on average employee wages in different industries and business cycles. Design/methodology/approach The authors use pay-performance sensitivity (PPS) to measure for CEO EBC and run OLS models with year and industry dummies. As many firms do not report labor expenses, the authors conduct the two-step analysis as in Heckman (1979) to overcome the potential selection bias. Findings The authors find that CEOs with higher EBC tend to pay their employees lower wages. They also find that such an impact is more evident in non-technology firms than in technology firms. Finally, they find that CEOs with higher PPS are more likely to depress employee wages when the business cycle shows a downturn. Originality/value No study examines the impact of EBC on employee wages directly to date. The authors add to the existing stream of literature regarding employee wages and managerial compensation. Hence, they purport that the findings support existing literature suggesting EBC contributes to, rather than alleviates, the classic agency conflict. Finally, the evidence suggests an unexplored manifestation of that agency conflict and an additional source of CEO rent extraction.

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 enseignants0,523
Score d'incertitude au seuil0,457

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 Opus0,014
Tête enseignante GPT0,235
Écart entre enseignants0,220 · 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Accounting and FinanceMême sujetCorporate Finance and GovernanceTravaux en français237 207