MétaCan
Menu
Retour à la cohorte
Enregistrement W4315927491 · doi:10.1007/s11747-022-00921-3

Franchising structure changes and shareholder value: Evidence from store buybacks and refranchising

2023· article· en· W4315927491 sur OpenAlexafffund
Anna Sadovnikova, Manish Kacker, Saurabh Mishra

Notice bibliographique

RevueJournal of the Academy of Marketing Science · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFranchising Strategies and Performance
Établissements canadiensMcMaster University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMcMaster University
Mots-clésStock (firearms)BusinessDynamismShareholderMonetary economicsEvent studyEnterprise valueDatabase transactionShareholder valueAgency costIndustrial organizationEconomicsFinanceCorporate governance

Résumé

récupéré en direct d'OpenAlex

Drawing on agency theory and transaction cost analysis, this study investigates the impact of refranchising and buybacks of downstream retail units by franchising firms on shareholder value (i.e., stock returns). It further evaluates the contingency role of firm and industry factors in shaping this impact. An event study analysis over the years 2001-2020 confirms that both refranchising and buybacks positively affect stock returns. However, notable impact differences emerge between the two types of strategic decisions. For refranchising, firms with lower royalty rates, smaller returns-on-assets (ROA), and higher trade credit provided generate higher stock returns. Whereas, for buybacks, firms with higher royalty rates derive more value in stock markets. Analysis further shows that investors judge refranchising (buybacks) less (more) favorably in munificent industries, but industry dynamism has no effect on the stock returns generated from these moves. Together, the study offers important implications for franchising theory and retail practice in marketing. Supplementary Information: The online version contains supplementary material available at 10.1007/s11747-022-00921-3.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,029
Tête enseignante GPT0,264
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Academy of Marketing ScienceMême sujetFranchising Strategies and PerformanceTravaux en français237 207