MétaCan
Menu
Retour à la cohorte
Enregistrement W3203706154 · doi:10.3390/jrfm14100468

Cross-Border M&A Motives and Home Country Institutions: Role of Regulatory Quality and Dynamics in the Asia-Pacific Region

2021· article· en· W3203706154 sur OpenAlexvenueno aff
Peter Zámborský, Zheng Yan, Erwann Sbaï, Matthew Larsen

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Auckland
Mots-clésInternationalizationQuality (philosophy)BusinessAccountabilityDynamics (music)Economic geographyInternational tradeEconomicsPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to analyze the relationship between home country institutions and cross-border merger and acquisition (M&A) motives of MNEs from the Asia-Pacific region, with a focus on the role of regulatory quality and dynamics. We empirically examine how M&A motives are affected by elements related to risk of the institutional environment of the acquiring firm’s home country regulatory quality over time. The study is grounded in the general theory of springboard MNEs, and the institutional views of cross-border operations, namely the institutional escapism and institutional fostering perspectives. Using data on over 700 cross-border M&As of European firms by Asia-Pacific MNEs in 2007–2017, we analyze the rationales for these deals and their relationship to the institutional characteristics of the buyers’ home countries including regulatory quality and voice and accountability. We found that the quality of home country regulatory environment is significantly related to domestic firms’ motivation for international M&As. However, the significance and sign of the effects differ for different types of motives and over time. Our findings contribute to the literature on general versus emerging MNE-specific internationalization theories (particularly the theory of springboard MNEs) by expounding on the types and dynamics of cross-border M&A motives.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,613
Score d'incertitude au seuil0,297

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,015
Tête enseignante GPT0,290
Écart entre enseignants0,275 · 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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetInternational Business and FDITravaux en français237 207