Notice bibliographique
Résumé
ABSTRACT EBITDA is a commonly used performance measure for (i) valuation, (ii) debt contracting, and (iii) executive compensation. The widespread use of EBITDA by stakeholders may induce managers to focus their attention on EBITDA . Since EBITDA excludes various expenses, managers who fixate on EBITDA may underweight the excluded expenses when determining their firms' investments in capital and leverage levels. I find that managers who fixate on EBITDA overinvest in capital and overlever their firm relative to their industry peers. These results are robust to alternative proxies for managers' focus on EBITDA and alternative specifications. I also find that firms whose managers focus on EBITDA have weaker operating performance, which is attributed to higher depreciation expense. My primary proxy for managers' focus on EBITDA is whether they choose to disclose EBITDA in annual earnings announcements. I find that the use of EBITDA in setting executive compensation, the prevalence of EBITDA estimates by analysts, and the use of EBITDA ‐based covenants in firms' debt contracts are all positively associated with the propensity to disclose EBITDA in earnings announcements. I find weaker evidence of opportunistic motives explaining EBITDA disclosure. These results are consistent with managers disclosing EBITDA to portray to investors that it is a metric they seek to maximize. Overall, this study suggests that while EBITDA is a widely used metric, there is a systematic cost to using this measure—it provides managers with incentives to overinvest in capital and to acquire excessive debt.
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 | 0,003 | 0,010 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».