Corporate governance practices and firm performance: a configurational analysis across corporate life cycles
Notice bibliographique
Résumé
Purpose This study aims to explore corporate governance (CG) practices that can lead to firms’ better performance in different organizational life cycles. The authors propose a configurational approach to explore how a set of CG practices combine in bundles to achieve high performance outcomes for firms across their corporate life cycles. Design/methodology/approach Fuzzy-set qualitative comparative analysis was used to analyze a sample of data of 21 countries and 9 industries. Data referred to the period of 9 years extending from the year 2005 to the year 2013. Findings This study reveals that there are multiple CG practices that exist through firms that can achieve high firm performance. Moreover, CG practices combine in different ways for firms in their growth, maturity and declining stages. Research limitations/implications This study demonstrates the value of using a configurational analytical approach to explore both the firm and country-specific CG practices (together) that engage firms to achieve the desired level of performance across the corporate life cycles. Practical implications The current study draws attention to the policymakers’ need to assess the current level of regulatory and competitive development of their countries and form policy accordingly. The approach used in the current research study not only offers the linkages between CG and performance to managers as incentives to comply with regulation but also to view CG-related activity as a strategic move. Social implications The approach used in the current research study not only offers the linkages between CG and performance to managers as incentives to comply with regulation but also to view CG-related activity as a strategic move. Originality/value This study broadening the focus of CG studies to include a rigorous explanation of the global CG phenomena and to provide effective solutions for the practitioners. Contribution to Impact This study demonstrates the value of using a configurational analytical approach to explore both the firm and country-specific CG practices (together) that engage firms to achieve the desired level of performance across the corporate life cycles.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».