Corporate social responsibility transparency and trade credit financing
Notice bibliographique
Résumé
Purpose This study aims to examine whether a company’s corporate social responsibility (CSR) transparency (reflected in two separate dimensions of social transparency and environmental transparency) affects a company’s dependence on expensive trade credit (TC) financing. Design/methodology/approach The authors use a panel of S&P 500 index companies between 2012 and 2019 and ordinary least squares estimators. Transparency ratings represented by Bloomberg scores capture both the quantity and quality of verified CSR practice information. Findings CSR transparency (CSRT) is negatively associated with a firm’s dependence on expensive TC financing. This study’s results continue to hold after a battery of robustness tests like substitute proxies for TC, use of two-stage least squares regression, industry-adjusted dependent variable, generalized linear model and bootstrapping approach. This association is stronger among companies with higher information asymmetry (IASY) and lower quality regarding governance and financial reporting. Further investigation indicates that potential channels through which CSRT mitigates a company’s reliance on TC financing are the cost of debt (CoD) and stock liquidity. This study’s findings suggest that transparent companies have a lower CoD and higher stock liquidity. This helps these companies to be more financially flexible and eventually less dependent on expensive TC financing. Originality/value By combining two separate research lines of TC and CSR, this study adds to both works of literature as it is the first (to the best of the authors’ knowledge) to present evidence of the effect of CSRT proxied by Bloomberg scores on a company’s reliance on TC (a real economic decision and financial policy). Additionally, this study documents the moderating effects of financial reporting quality, IASY and corporate governance on the relationship between CSRT and TC financing. In conclusion, this study provides empirical evidence regarding the potential mechanisms of CoD and stock liquidity, through which CSRT influences a company’s reliance on TC financing.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».