Level of Financial Performance of Selected Construction Companies in South Africa
Notice bibliographique
Résumé
Purpose—There is no consensus on the indicators that assess a construction company’s financial performance projects undertaken. There is also a dearth of concepts on the financial performance indicators for construction companies in South Africa and indeed, the wider continent of Africa. This paper proposes novel financial performance indicators for assessing construction organizations and tests these on selected construction companies in the South African construction industry. Design/methodology/approach—This research employed a pragmatic approach. Contractors with financial credibility and capacity of ≥R 40 million, annual turnover of ≥R 20 million, and available capital of ≥R 40 million were purposively selected for this study. Parameters such as total revenue, direct cost of work, total indirect cost and total income were elicited from the sample contractors to assess their financial performance. The assessment was undertaken using formulas that were formulated based on the descriptions provided under the research methodology. Further analysis was conducted using post hoc Tukey’s honest significant difference (HSD). Findings—The study finds that construction companies with a strong structure, multiple areas of specialization, creative and efficient staff members, and access to funding, have a greater chance of experiencing higher: income; positive leverage; positive liquidity; and positive cash flow. Moreover, companies with specialization in civil engineering construction and project management skills experienced higher positive liquidity and profitability. Originality/value—This research is unique through its investigation and formulation of indicators for assessing the financial performance of construction companies. This research is consequently representing the first attempt to analyze financial data using the approaches prescribed and adopted.
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 | 0,001 | 0,002 |
| 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 ».