MétaCan
Menu
Retour à la cohorte
Enregistrement W3124548378 · doi:10.5539/ijef.v7n6p252

Macroeconomic Variables and Value Creation in the Nigerian Quoted Companies

2015· article· en· W3124548378 sur OpenAlexvenueno aff
Fatai Abiodun Atanda, Taiwo Olufemi Asaolu, Adewale Atanda Oyerinde

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOrdinary least squaresEconomicsInflation (cosmology)Exchange rateEconometricsVariablesInterest rateValue (mathematics)HeteroscedasticityCapital (architecture)Capital marketMonetary economicsMathematicsStatisticsFinance

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,043
Tête enseignante GPT0,290
Écart entre enseignants0,247 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetFinancial Reporting and Valuation ResearchTravaux en français237 207