MétaCan
Menu
Retour à la cohorte
Enregistrement W3140072887 · doi:10.1093/rcfs/cfad008

Do Managers Do Good with Other People’s Money?

2023· article· en· W3140072887 sur OpenAlexaff
Ing-Haw Cheng, Harrison Hong, Kelly Shue

Notice bibliographique

RevueThe Review of Corporate Finance Studies · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Science Foundation
Mots-clésInsiderLiberian dollarCorporate governanceAgency (philosophy)Principal–agent problemBusinessAccountingDividendAgency costShareholderMonetary economicsCorporate social responsibilityThe InternetEconomicsFinancePublic relationsLaw

Résumé

récupéré en direct d'OpenAlex

Abstract There is mixed evidence on whether the marginal dollar spent on corporate social responsibility is due to agency problems. We propose an approach by modeling how the 2003 dividend tax cut, which increased after-tax insider ownership and better aligned managerial and shareholder interests, affected the marginal dollar spent on firm responsibility. We confirm key predictions of our agency model: following the tax cut, moderate insider-ownership firms experience larger declines in their responsibility ratings and increases in their valuations relative to other firms. We also confirm another implication regarding managerial misalignment using a regression-discontinuity design of close votes on shareholder-governance proposals. (JEL G30, G31, G35) Authors have furnished an Internet Appendix, which is available on the Oxford University Press Web site next to the link to the final published paper online.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,313
Score d'incertitude au seuil0,975

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,047
Tête enseignante GPT0,261
Écart entre enseignants0,214 · 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'étudeSans objet
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

Citations119
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Review of Corporate Finance StudiesMême sujetCorporate Finance and GovernanceTravaux en français237 207