MétaCan
Menu
Retour à la cohorte
Enregistrement W3216341042 · doi:10.1287/mnsc.2022.4412

Female Directors and Firm Value: New Evidence from Directors’ Deaths

2022· article· en· W3216341042 sur OpenAlexfundno aff
Thomas Schmid, Daniel Urban

Notice bibliographique

RevueManagement Science · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesUniversität MannheimLondon School of Economics and Political ScienceUniversity of EdinburghGöteborgs UniversitetKU LeuvenYork University
Mots-clésStock marketGlobeEnterprise valueStock (firearms)BusinessDemographic economicsValue (mathematics)Market valueCentralityCapital marketMonetary economicsAccountingLabour economicsEconomicsFinancePsychologyGeography

Résumé

récupéré en direct d'OpenAlex

This paper examines how female directors (FDs) affect firm value in the absence of mandatory gender quotas. Using a newly collected data set on director deaths around the globe, we find that stock prices decrease approximately 2% more when an FD passes away, compared with a male director. What explains this negative capital market reaction? We find evidence that finding successors for deceased FDs is challenging for firms: Succession delays are longer, and although firms try to replace FDs with women, two-thirds of their successors are male. Furthermore, their successors tend to be younger, less experienced, and more often externally hired. Stock prices decline less if more potential female successors exist in a country, the firm is larger, or FDs other than the deceased woman were on the board. Because observable characteristics such as age, tenure, education, and network centrality cannot explain the negative stock market reaction, unobserved differences across genders that lead to a lower fit of male successors to the existing board are the most likely explanation for the firm value loss after the death of an FD. This paper was accepted by David Simchi-Levi, finance. Supplemental Material: Data are available at https://doi.org/10.1287/mnsc.2022.4412 .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,133
Tête enseignante GPT0,320
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetGender Diversity and InequalityTravaux en français237 207