Subsidies and Economic and Financial Performance of Enterprises
Notice bibliographique
Résumé
The aim of this article is to analyze the economic and financial performance of Slovenian enterprises, as a European Union (EU) member state case study. A favorable economic and financial performance is crucial for long-term sustainable enterprise growth and survival. Eight economic and financial performance indicators are used to evaluate the sustainability in the growth of enterprises: seven of them are financial indicators—assets, revenues from sales, equity, net profits, operating efficiency, return on equity, and value added per employee—while the eighth variable is the economic indicator for the number of employees. A distinction is made between enterprises that did and that did not receive subsidies from national and EU funds. Three enterprise-level data sources are combined in the empirical analysis: balance sheet data from enterprise accounts, own surveys data, and government data on public subsidies to enterprises. The mean values and standard deviations of economic and financial indicators based on balance sheet data for the years in two financial periods are estimated. The summary statistics for economic and financial indicators and correlation analysis are conducted and the results of the economic and financial indicators are compared using the parametric paired sample two-tailed t-test that allows comparison between the enterprises in the two financial periods. An increase in the economic and financial indicators is investigated by comparing the enterprises that did receive subsidies with the enterprises that did not receive subsidies in the two financial periods. The empirical results confirm that the value added per employee is the only financial indicator where a positive link is found between the financial indicator and subsidies. The results suggest that subsidies can be important for cash flow into enterprises, but entrepreneurial activities are crucial for favorable economic and financial performance and long-term sustainable growth in a competitive market environment.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».