Competition and slack: The role of tariffs on cost stickiness
Notice bibliographique
Résumé
Abstract Slack exists when entities hold resources in excess of those required to support current operations. “Sticky” spending is a specific type of slack spending that occurs when a firm reduces spending by less when sales fall than it increases spending when sales rise by an equivalent amount. Changes in a firm's environment affect its propensity to engage in sticky spending. We examine how competition influences sticky spending, positing two hypotheses. First, we hypothesize that competition will be positively associated with firms' investment in sticky spending both for cost of goods manufactured (COGM) and selling, general, and administrative (SG&A). Second, we hypothesize that competition moderates the relation between sticky spending and firm performance. Utilizing variations of tariff rates as exogenous shocks to reflect competition, we measure sticky spending in the firm's COGM and SG&A spending. To empirically verify our hypotheses, we draw data from three different sources, industry‐level tariff data, Compustat, and the Hoberg–Phillips data library, for firms in the manufacturing sector from 1974 through 2017. Our regression analyses confirm that managers maintain more stickiness in spending as competition increases. The market's assessment of firm performance (as measured by Tobin's Q) is largely positively associated with sticky spending as competition increases. This expectation of higher performance is evidenced by immediate improvements in the firm's return on assets (ROA) when we consider COGM spending, but not when we consider SG&A spending.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».