Supply chain relational capital and firm performance: an empirical enquiry from India
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
Purpose The purpose of this paper is to examine how over-reliance on buyer-supplier relational capital (created through the interconnected supply chain and social network) impacts firm performance in the context of the emerging market, i.e. India. Design/methodology/approach The study uses the Prowess database (on Indian firms) to identify the firms that rely heavily on relational capital and employs panel data regression analyses to test the effect of relational capital on firm performance (supply chain performance and financial performance). Findings The results show that over-reliance on relational capital leads to lower supply chain performance (proxied by supply chain cycle) and financial performance (proxied by Tobin's Q). The results also reveal that supply chain performance mediates the relationship between over-reliance on relational capital and financial performance. Together, these results indicate that over-reliance on relational capital created through the interconnected supply chain and social network for supply chain management may negatively affect a firm's competitive advantage, which in turn can significantly impede its financial performance. Originality/value In light of the supply chain literature and relevant theories, the study develops an objective understanding of over-reliance relational capital created through the interconnected supply chain and social network, by relying on a large panel dataset of manufacturing firms and hence contributes to the supply chain literature. Also, it presents a novel idea to operationalize the measure for relational capital using the Prowess database.
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 | 0,001 | 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 | 0,002 |
| 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