MétaCan
Menu
Retour à la cohorte
Enregistrement W3127517523 · doi:10.5430/rwe.v12n1p340

Firm Size and Financial Performance Among Listed Banks of Emerging Economies in Africa

2021· article· en· W3127517523 sur OpenAlexvenueno aff
Olaoluwa Umukoro, Imoleayo F Obigbemi, Balogun Sheriff Babajide, Damilola Felix Eluyela, Inua Ofe

Notice bibliographique

RevueResearch in World Economy · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCash flowOperating cash flowBusinessFinanceEmerging marketsCashCash flow forecastingValue (mathematics)Regression analysisVariablesMonetary economicsFinancial systemEconomics

Résumé

récupéré en direct d'OpenAlex

The continuous increase in the size of various firms and listed banks, has necessitated the need to empirically examine the effect firm size has on the financial performance of listed banks in Africa. This is because some organisations and institutions have in time past failed to fulfill their going concern objective despite their large firm size balance. This study examined the effect firm size has on the three levels of cash flow of emerging economies in listed banks in Africa. The study employed the use of multiple regression analysis with the aid of the STATA statistical software tool. The result obtained revealed that for the operating level of cash flow, all countries used in this paper, with the exception of Kenya should continue to employ the independent variable as a corporate strategy method as it increases operating cash inflow. The financing level of cash flow results recommended that all countries except Nigeria should continue to utilize firm size as a significant value was obtained from the regression. The investing level of cash flow results produced a significant P-value for all countries with the exception of Botswana. The study, therefore, recommended that listed banks in Kenya, Nigeria and Botswana should apply caution in employing the firm-size corporate strategy method. This is because it doesn’t guarantee cash inflow in all three levels of cash flows.

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)0,001
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 enseignants0,116
Score d'incertitude au seuil0,527

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in World EconomyMême sujetCorporate Finance and GovernanceTravaux en français237 207