Effect of organizational status on <scp>employment‐related</scp> corporate social responsibility: Evidence from a regression discontinuity approach
Notice bibliographique
Résumé
Abstract Research Summary We examine the effect of organizational status on employment‐related corporate social responsibility (CSR). As employees derive nonpecuniary benefits from both organizational status and employment‐related CSR, lower status firms may invest in nonpecuniary employment‐related CSR to compete in a status‐segmented labor market. We identify the effect using a regression discontinuity design (RDD) in the context of the Fortune 1000 rankings, as we contend that the 500th rank position marks an artificial breakpoint in status where quality follows a smooth distribution. We find that firms just failing to make the Fortune 500 perform significantly better in nonpecuniary employment‐related CSR. Our findings provide causal evidence for the labor market advantage of organizational status and a richer window into the strategic motivations behind CSR investments. Managerial Summary We examine one strategic investment that lower status firms make to compete in a status‐segmented labor market: employment‐based corporate social responsibility (CSR). We identify the effect using a regression discontinuity design (RDD) in the context of the Fortune 1000 rankings, as we argue that the 500th rank position creates a discontinuity in status at a precise location where quality differences can be assumed to follow a smooth distribution. We find that firms just failing to make it into the Fortune 500 perform significantly better in nonpecuniary employment‐related CSR as compared to firms just in the Fortune 500. The findings demonstrate that building a reputation for being socially responsible may offset differences in status and make a lower status organization more appealing to employees.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».