The impact of hiring directors' choice‐supportive bias and escalation of commitment on CEO compensation and dismissal following poor performance: A multimethod study
Notice bibliographique
Résumé
Abstract Research Summary Boards of directors make high‐stake decisions that involve hiring, compensating, and dismissing CEOs. Building on theory about choice‐supportive bias and escalation of commitment, we theorize that “hiring directors” (directors who were present during a CEO's hiring) will display choice‐supportive bias and escalate commitment to poorly performing CEOs. Primary data from 73 directors indicate that directors are indeed biased toward CEOs they help hire. Archival data from S&P 1500 firms reveal that, following poor performance, the number of hiring directors is positively related to the increase in CEO pay and lower likelihood of CEO dismissal. Building on theory about board experience, we also predict and find that more experienced boards reduce the tendency to escalate. Thus, bias among hiring directors can be mitigated via experience. Managerial Summary Making a choice such as casting a vote or selecting a restaurant leads people to view their selection favorably even if evidence emerges suggesting it was a bad choice. We examine whether corporate directors fall prey to this choice‐supportive bias when involved in CEO hiring. We found that directors who are part of the hiring process tend to have an overly rosy view of the person selected. Moreover, if the firm is performing poorly, a board with more directors who helped hire the current CEO will tend to increase the CEO's pay more and are less likely to fire the CEO than a board with fewer such directors. This problem is reduced if the board has highly experienced directors among its ranks.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».