MétaCan
Menu
Retour à la cohorte
Enregistrement W3120941609 · doi:10.5430/rwe.v12n1p31

Enterprise Risk Management (ERM) and Firm’s Performance: A Study of Listed Manufacturing Firms in Nigeria

2021· article· en· W3120941609 sur OpenAlexvenueno aff
Adegbola Olubukola Otekunrin, Damilola Felix Eluyela, T. I. Nwanji, Sainey Faye, Kerry E. Howell, Jemima Tolu-Bolaji

Notice bibliographique

RevueResearch in World Economy · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnterprise risk managementHausman testBusinessProfitability indexPrincipal–agent problemContext (archaeology)Risk managementAccountingVolatility (finance)Financial risk managementPanel dataCorporate governanceIndustrial organizationEconomicsFinanceEconometricsFixed effects model

Résumé

récupéré en direct d'OpenAlex

Increased volatility in the business world has exposed the inadequacy of traditional approaches to risk management. This has led to an integrated approach to measuring and managing risks known as enterprise risk management (ERM). At the same time, past studies on ERM disclosures have examined it within the context of book-based approach, which has not given the right and accurate information. However, this paper examined the significance of enterprise risk management and listed manufacturing firms' financial performance in Nigeria using both the book-based approach and the market-based approach. Relevant ERM theories in relation to financial performance such as Agency Theory, Stakeholders Theory, and Enterprise Risk Management Theory were examined. A panel data analysis was employed on time series and cross-sectional data of thirty listed manufacturing firms in Nigeria from 2010 to 2018. The random effect of the Hausman test was found to be more appropriate and hence adopted in interpreting the results of the analysis. The results confirm the a priori expectations that profitability ratio, liquidity ratio, market-based ration to risk board committee, the board size, firm size, and directors’ ownership all have varied impact on the firm’s profitability with varied statistical significance levels.

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)0,002
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 enseignants0,080
Score d'incertitude au seuil0,941

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,037
Tête enseignante GPT0,289
Écart entre enseignants0,253 · 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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in World EconomyMême sujetRisk Management in Financial FirmsTravaux en français237 207