The Manufacture and Service Companies Differ Leverage Impact to Financial Performance
Notice bibliographique
Résumé
The purpose of this research is to examine the leverage from firm. The firms use leverage to expand their source of fund by using external fund such as debt. By usingdebt, financial performance of the firm will develop. Beside the leverage, the use of size and inflation are also considered to be the factors that influence the financial performance while the firms are using leverage. As an independent variable, size is reflected by the assets and the leverage or debt by using the debt ratio to the total of assets. Then,the financial performance is reflected by using the return on the measured assets. Inflation as a control variable is included in this research to know the effect towards the financial performance. In this research, firms are divided into two sectors, there are manufacture and service sector. By using the manufacture and service sectors in order to know each effect of leverage toward the financial performance, this research focuses to the unique characteristic of these two sectors. Knowing which sector is influenced more by the leverage than the others, will guide the urgency of this research. This research used the pooled data regression method, 468 data entries of 156 listed firms in Indonesian Stock Exchange. This research was conducted from 2015 until 2017. The result shows that leverage significantly has a negative effect towardthe financial performance and the size positively influences financial performance. Manufacture sector is influenced more in leverage towardsthe financial performance, and the service sector is influenced more on size towardsthe financial performance.
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 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».