An Empirical Study on Usage of Business Jets and Financial Performance of Chinese Firms
Notice bibliographique
Résumé
This paper analyses sustainable financial performance of 242 Chinese companies, to see if the companies that utilize business aviation produce better results compared with non-users. This type of research has been done in North America and Europe but has not yet been done in China. The companies were analyzed using the economic performance metric Economic Value Added (EVA). This indicator was used to assess if the companies added or destroyed economic value through their operations. Primary data was gathered from published financial statements of all companies for the six-year period 2011-2016. This paper contributes to quantify the argument that the use of business jets helps companies to be more productive. The main finding of this study is that companies that utilize Business Jets added more collective value to EVA than non-users. In line with similar studies in the USA, Canada and Europe, it is concluded that companies that use business jets produce superior economic growth to non-users. The results were mixed as to whether the companies utilizing business jets experience better financial performance than non-users. The overall growth in EVA by business jet users was very significant. The 80 companies that made up this group grew their EVA by a collective average of 26.4%. When compared with some of the biggest companies on a world stage, business jet users performed outstandingly. The 81 Chinese companies from the Forbes Global 2000 destroyed-17.8% in economic value over the period studied. Any injection of government money into these companies does not seem to be helping them produce added value. However, the number of companies producing positive EVA for the ‘Business Jet User’ group fell from 68% in 2011 to 56% in 2016.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».