MétaCan
Menu
Retour à la cohorte
Enregistrement W2903292233 · doi:10.5539/ass.v14n12p124

Effect of Corporate Financial Leverage on Financial Performance: A Study on Publicly Traded Manufacturing Companies in Bangladesh

2018· article· en· W2903292233 sur OpenAlexvenueno aff
Ripon Kumar Dey, Syed Zabid Hossain, Rashidah Abdul Rahman

Notice bibliographique

RevueAsian Social Science · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLeverage (statistics)Debt-to-equity ratioPecking order theoryDebt-to-capital ratioCapital structureDebtPanel dataFinancial ratioBusinessOperating leverageEconomicsEmpirical researchEquity (law)Debt ratioEconometricsFinanceReturn on equityEquity ratioMathematics

Résumé

récupéré en direct d'OpenAlex

The study strives to examine the effect of financial leverage on financial performance in a developing country context using two OLS regression models based on panel data consisting of 816 cases (48 companies x 17 years). Financial performance is measured using ROA, ROE, EPS, and Tobin’s Q, and financial leverage is measured using the debt-assets ratio and debt-equity ratio. It is observed that ROA and Tobin’s Q are negatively correlated with financial leverage, which is in line with the assumptions of the pecking order theory, market timing theory, and many empirical studies. However, financial leverage has a positive effect on ROE and no effect on EPS. These results are also consistent with the MM theorem, static trade off theory and many other empirical studies. Yet again, the two OLS models have put forward conflicting results while taking EPS as the dependent variable. The results corroborate the inefficient use of debt capital and suggest the need to improve the reliability of accounting information.

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)0,001
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 enseignants0,382
Score d'incertitude au seuil0,880

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,024
Tête enseignante GPT0,243
Écart entre enseignants0,218 · 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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetCorporate Finance and GovernanceTravaux en français237 207