Intellectual capital as a longitudinal predictor of company performance in a developing economy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This study assesses whether intellectual capital (IC), measured using the Value‐Added Intellectual Coefficient (VAIC), can predict the financial and market performance of listed companies in a developing economy. Panel data from all 174 companies listed on the Kuwait Stock Exchange were analyzed. Four company performance measures were investigated: return on assets, return on equity, market/book value, and market capitalization. Eight competitive longitudinal models were evaluated using SEM–PLS, as well as the 1‐year, 2‐year, and 3‐year lags. VAIC possesses significant predictive power on company performance, but only on return on assets and return on equity, with a stronger predictive power for the 2‐year lag. When analyzing the 3‐year lag, the model fit decreases significantly. This suggests that VAIC has no significant predictive power on analyzed market performance measures. Most extant literature on IC does not explicitly quantify its lagged effect and predictive power on company performance. Additionally, existing research focuses less on developing economies. The research was conducted in a developing economy with a relatively young and inefficient financial market. This rationalizes the findings in which IC cannot predict market performance. Additionally, the time span considered is only 5 years from the 21 years analyzed. Useful managerial insights on the evident lagged effect and predictive power of IC in a developing economy are provided. Quantifying the effect size adds value to the further understanding of IC's nature.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle