Impact of Leverage on Valuation of Non-Financial Firms in India under Profitability’s Moderating Effect: Evidence in Scenarios Applying Quantile Regression
Notice bibliographique
Résumé
The firm’s valuation (FV) is the key element for all stakeholders, particularly the investors, for their investment decisions. The main impetus of this research is to estimate the effects of the debt ratio (DR, i.e., leverage) on the FV (i.e., assets and market capitalisation) of the non-financial firms listed in India. The quantile panel data regression (QPDR) on the secondary data of 76 non-financial BSE-100 listed firms in India is employed. This study also checks the effect of the net profit margin (NPM) as profitability on the association between DR and FV. The QPDR estimates result in multiple quantiles and provide evidence in scenarios. The findings reveal a positive relationship of DR to assets only in higher quantiles, i.e., 90%ile), and a negative association of DR is found with a market capitalisation in all quantiles. Under the interaction effect, profitability (NPM) does not affect the association of DR with assets but negatively affects the association of debt ratio with market capitalisation in the middle (50%) quantile. The findings indicate that leverage (DR) affects a firm’s value. The study’s outcomes are helpful to all stakeholders, particularly investors, to realise the leverage (DR) as a critical indicator of FV before making any investment decisions. Managers should also consider lower debt ratios for better firm value. The present analysis is original and holds novelty in the form of the moderating role of the net profit margin, i.e., the profitability of the firm between DR and FV in the non-financial firm in India. To the best of our knowledge, no such studies have been performed to look for the association of the debt ratio with a firm’s value under the effect of profitability in different quantiles using quantile regression.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».