MétaCan
Menu
Retour à la cohorte
Enregistrement W3157175439 · doi:10.1177/01492063211010219

The Influence of Nation-Level Institutions on Acquisition Premiums: A Cross-Country Comparative Study

2021· article· en· W3157175439 sur OpenAlexaff
Chengguang Li, Jerayr Haleblian

Notice bibliographique

RevueJournal of Management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésAffect (linguistics)NormativeCollectivismBusinessUncertainty avoidanceSample (material)Set (abstract data type)Stochastic gameAccountingEconomicsMicroeconomicsMarket economyIndividualismPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

We build on neo-institutional theory to examine the manner in which nation-level institutions systematically affect domestic acquisitions—that is, acquisitions involving acquirers and targets from the same country. Specifically, we study in what way premiums are influenced through a set of cognitive, normative, and regulatory forces. In terms of cognitive pressures, we theorize that prior premium decisions of industry peers in the same country influence focal acquisition premiums, since prior premium decisions serve as reference frames for firms. In addition, we posit that normative forces in the form of the national cultural values of uncertainty avoidance, future orientation, and in-group collectivism affect bid premiums, as these factors influence the manner in which firms deal with the uncertainty, payoff time, and merger of groups inherent to acquisitions. Furthermore, we propose that a country’s regulatory pressures through its disclosure requirements influence premiums, since they reduce information asymmetries and affect a firm’s confidence in assessing its potential gains from acquisitions. Using a sample of domestic acquisitions, we find support for several of the hypotheses. Our work offers a cross-country comparative study of how nation-level institutions affect domestic bid premiums and makes theoretical contributions to acquisition premium research and institutional theory.

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)0,000
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 enseignants0,609
Score d'incertitude au seuil0,300

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,059
Tête enseignante GPT0,305
Écart entre enseignants0,246 · 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

Citations21
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ManagementMême sujetCorporate Finance and GovernanceTravaux en français237 207