Intangible supply chain complexity, organizational structure and firm performance
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
Purpose The purpose of this paper is to conduct a large-sample empirical examination of how intangible supply chain complexity impacts firm performance in light of a firm's organizational structure. Design/methodology/approach The study uses panel data from 2,580 Indian manufacturing firms and constructs empirical proxy for intangible supply chain complexity, i.e. CHQ distance from major cities. The proposed conceptual model is grounded in the dynamic capability view (DCV) and social network theory (SNT). Multivariate regression analyses are performed to investigate the effect of intangible complexity on firm performance. Findings Results show that intangible supply chain complexity, as proxied by “CHQ distance from major cities”, negatively affects firm performance and a firm's organizational structure plays an important role in conceiving CHQ locational strategies. Firms with interconnected supply chain and social network (e.g. business group firms) have a higher propensity to locate their CHQs farther away from major cities, and business group firms that have more distantly located CHQs experience better financial performance compared to independent firms (with less network resources). Originality/value In light of the supply chain literature and relevant theories, the study conceptualizes intangible supply chain complexity as “CHQ distance from major cities” and deepens our understanding of the relationship between intangible complexity and firm performance in light of organizational structure. Further, it develops an objective understanding of intangible supply chain complexity by relying on secondary panel data.
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 | 0,000 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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