MétaCan
Menu
Retour à la cohorte
Enregistrement W3155695591 · doi:10.5430/rwe.v12n2p334

Corporate Social Responsibility Disclosure and Cost of Equity of ASEAN-5 Public Companies

2021· article· en· W3155695591 sur OpenAlexvenueno aff
Randi Anto, Irene Rini Demi Pangestuti, Sugeng Wahyudi, Rezy Ayu Ramadhanti

Notice bibliographique

RevueResearch in World Economy · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCost of equityNonprobability samplingEquity ratioBusinessLeverage (statistics)Corporate social responsibilityEquity (law)Regression analysisEquity riskReturn on equityEquity capital marketsPopulationAccountingEconomicsCost of capitalFinanceMicroeconomicsPublic relations

Résumé

récupéré en direct d'OpenAlex

This research aims to analyze the influence of corporate social responsibility (CSR) disclosure, leverage, and ownership structure – consisting of institutional ownership, managerial ownership and concentrated ownership – on cost of equity with book-to-market ratio and firm size as control variables. The population was non-financial public companies listed in ASEAN. There was a total of 76 companies obtained using a purposive sampling technique. The data was analyzed using the multiple regression technique. The results show that the data is normally distributed and has met the requirements for using the multiple linear regression models. The findings indicate that the CSR and leverage have a positive and significant influence on cost of equity. Similarly, the institutional ownership also has a positive and significant influence on cost of equity. However, the managerial ownership and concentrated ownership have a negative and significant influence on cost of equity. Meanwhile, the book-to-market ratio has a negative and significant influence on cost of equity. In contrast, the firm size has a positive and significant influence on cost of equity.

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)0,002
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 enseignants0,083
Score d'incertitude au seuil0,422

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 ouverte0,0000,001
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 Opus0,247
Tête enseignante GPT0,364
Écart entre enseignants0,117 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

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