Covid-19 pandemic and firm performance: evidence on industry differentials and impacting channels
Notice bibliographique
Résumé
Purpose This study explores the impacts of Covid-19 on the performance of firms operating in different industries, and further discovers suspected impacting channels through which Covid-19 is significantly associated with firm performance. Design/methodology/approach A dataset of 402 listed firms from 2017Q1 to 2021Q4 is proceeded with high dimensional fixed effect (firm-quarter fixed effects) models and difference-in-difference models supported by propensity score matching. A thorough robustness testing procedure with a falsification test with a hypothetical event is applied. Findings The study asserts that the pandemic has remarkably hurt the businesses in industries that are more vulnerable to the coronavirus and governmental response policies. Adding to the confirmation of sales and expense channels, new channels – competition and short-term receivables –through which the negative impact of the pandemic is passed on firms is also examined. Originality/value First, this study is to be the first comprehensively investigate and affirm the varying impact of Covid-19 on the business performance of listed firms from different industries in Vietnam, providing additional insight into this research field in Vietnam and emerging economies. Second, the authors examine possible channels paving the way for the impact of Covid-19 on firms' performance and especially explore new channels associated with competition and short receivables. Third, the findings help to form the recommendations for Vietnamese firms, and the study could be replicated for other emerging countries under other similar infectious diseases-driven crises. Peer review The peer review history for this article is available at: https://publons.com/publon/10.1108/IJSE-02-2023-0072
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».