MétaCan
Menu
Retour à la cohorte
Enregistrement W4381614619 · doi:10.1504/ijesb.2023.131615

Does industry experience positively moderate the quadratic relationship between coopetition and financial performance Evidence from the New Zealand wine sector

2023· article· en· W4381614619 sur OpenAlexaff
James M. Crick, Dave Crick, Jessica M. Peixinho

Notice bibliographique

RevueInternational Journal of Entrepreneurship and Small Business · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBusiness Strategy and Innovation
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCoopetitionEntrepreneurshipBusinessWineIndustrial organizationEconomicsMarketingFinanceMicroeconomicsFood science

Résumé

récupéré en direct d'OpenAlex

Earlier research has established that a positive relationship exists between coopetition (the interplay between cooperation and competition) and financial performance. However, certain studies have investigated this link as being linear and/or without potential moderating factors. Consequently, under resource-based theory (and its association with the relational view), this current study evaluates the nonlinear (quadratic - inverted U-shaped) relationship between coopetition and financial performance under different degrees of industry experience. Survey data collection took place via a sample of 101 wine producers in New Zealand (passing all major assessments of reliability and validity, including common method variance and endogeneity bias). Additionally, 20 semi-structured interviews explored the in-depth meanings behind the statistical results. Specifically, the findings indicated that coopetition exhibited a quadratic relationship with financial performance. Furthermore, industry experience positively moderated this association, as it helps decision-makers to yield mutually beneficial performance outcomes. Collectively, this study contributes to knowledge by evaluating the complexities of coopetition strategies and their impact on financial performance. This investigation ends with some practitioner implications, alongside a series of limitations and avenues for future research.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,033
Score d'incertitude au seuil0,558

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,061
Tête enseignante GPT0,262
Écart entre enseignants0,200 · 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.

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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Entrepreneurship and Small BusinessMême sujetBusiness Strategy and InnovationTravaux en français237 207