MétaCan
Menu
Retour à la cohorte
Enregistrement W4312754398 · doi:10.52567/pjsr.v4i03.751

IMPACT OF CORPORATE SOCIAL RESPONSIBILITY ON FINANCIAL PERFORMANCE: MEDIATING ROLE OF QUALITY OF WORK LIFE

2022· article· en· W4312754398 sur OpenAlexaff
Muhammad Ali, Rabia Ishfaq, Wasif Ali

Notice bibliographique

RevuePakistan Journal of Social Research · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueBusiness and Economic Development
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésNexus (standard)Corporate social responsibilityStructural equation modelingBusinessAgency (philosophy)Work (physics)Quality (philosophy)AccountingPrivate sectorFinancial sectorPublic relationsFinancePolitical scienceEconomicsSociologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

This study examines the influence of perceived corporate social responsibility (CSR) on corporate financial performance (CFP). Based on win-win paradigm, this study uncovers the mediating role of Quality of Work Life (QWL) on CSR-CFP nexus. A questionnaire based cross-sectional survey was conducted to accumulate data from 355 employees working in public and private sector banks of Pakistan. Structural Equation Modeling (SEM) was used to examine the hypotheses. The results depict that CSR is positively related with CFP, and employee QWL partially mediates this relationship. According to our noesis, the review of previous literature regarding the association of CSR and CFP reveals that QWL has not been empirically tested as a mediator between these two variables. This study findings proposes that banks engaged in CSR activities are actually establishing a healthy work environment for their employees which ultimately helps the banks to improve their financial performance. This study highlights the importance of CSR activities for enhancing the CFP of the banking sector in the developing countries. Keywords: Corporate Social Responsibility, Quality of Work Life, Agency Theory, Financial Performance.

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)0,012
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge 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 enseignants0,064
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,110
Tête enseignante GPT0,399
Écart entre enseignants0,289 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePakistan Journal of Social ResearchMême sujetBusiness and Economic DevelopmentTravaux en français237 207