Macroeconomic Variables and Value Creation in the Nigerian Quoted Companies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study uses 1,425 observations, relating to firm level and time series data sets, to examine the effect of macroeconomic variables on the economic value created by the Nigerian quoted companies. The data described macroeconomic variables such as inflation (INF), interest rates (INT), capital expenditure ratio of government (CAR) foreign exchange rates (FRXG), gross domestic product (GDPG) and the developments in the capital (CMKG) and labour market (LBMG) and the economic value added (EVA) by 186 purposively selected quoted companies for the years 2001-2012. To allow for comparison, the companies were categorized into two sub-sectors: manufacturing (715 observations) and services (710 observations). The study uses descriptive and inferential statistical tools such as mean, standard deviation, correlation, pooled ordinary least square (OLS) regression and generalized method of moments (GMM) techniques to analyze data. The study found that EVA followed an autoregressive function after one period and lagged EVA was included in model. Due to the problem of heteroskedasticity, Generalized Method of Moment results were relied upon and significant (positive and negative) impact of CAR (β = -0.0173, p<0.05), FRXG (β = 0.00857, p < 0.01), INF (β = -0.00896, p < 0.05), INT (β = 0.0262, p < 0.1) and LBMG (β = 0.00158, p < 0.01) on EVA was found, for all the companies. We concluded that value creation, measured by EVA, is a function of prior year EVA and that inflation rate, interest rate, foreign exchange rate, capital expenditure ratio and the development in labour market were important macroeconomic factors that should be improved upon if quoted companies were to optimally create economic value in Nigeria.
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.
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 découle