MétaCan
Menu
Retour à la cohorte
Enregistrement W3014391191 · doi:10.1142/s1363919621500250

OWNERSHIP, COMPENSATION AND BOARD DIVERSITY AS INNOVATION DRIVERS: A COMPARISON OF U.S. AND CANADIAN FIRMS

2020· article· en· W3014391191 sur OpenAlexaffabout
Gamal Atallah, Claudia De Fuentes, Christine A. Panasian

Notice bibliographique

RevueInternational Journal of Innovation Management · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensSaint Mary's UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceIncentiveSalaryShareholderBusinessAccountingExecutive compensationDiversity (politics)RecessionCompensation (psychology)FinanceEconomicsMarket economyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Using a large sample of North American firms, from 1999 to 2016, we investigate the effect of corporate governance structures, specifically ownership, board characteristics, and executive compensation contracts on innovation intensity and output. We consider both R[Formula: see text]D expenditures and patents as innovation proxies and evaluate consequences of the economic downturns of 2000 and 2008. We find that R[Formula: see text]D investment increases with ownership by institutional blockholders and with the number of institutional owners, confirming the key role institutions play in innovation activities of firms. We observe higher R[Formula: see text]D levels for firms with more independent boards, more females board members and more outside directorships held by directors. We report that firms with CEO/chair of the board duality have lower R[Formula: see text]D intensity, as do firms with higher ownership by directors and with a higher mean board age. Innovation is negatively related to CEO salary levels, but positively related to the ratio of incentives to total compensation, confirming that incentives contribute to aligning shareholders and management interests, which leads to better long-term decisions. However, those incentives reduce the number of patents. We do not find any systematic changes in R[Formula: see text]D for the 2000 recession, however there is an increase for the 2008 financial crisis.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil0,366

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,046
Tête enseignante GPT0,261
Écart entre enseignants0,215 · 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

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Innovation ManagementMême sujetCorporate Finance and GovernanceTravaux en français237 207