Corporate Social Responsibility and Capital Structure
Notice bibliographique
Résumé
Objective: We analyze the effects of capital structure influence on corporate social responsibility (CSR) performance, represented by the ESG score. Prior studies have investigated distinct factors to settle CSR adoption. Nonetheless, corporate social responsibility literature has not yet achieved common consent. Method: This study uses a quantitative research approach. We used a sample of listed companies from the United States of America, China, Japan, Germany, India, the United Kingdom, France, Italy, Brazil, and Canada. Three estimators were applied in the regression model, OLS pooled, IV 2SLS, and GMM 2SLS. Results: Our findings indicate a positive and significant relationship between Capital Structure and CSR. Furthermore, we understand that the positive and statistically significant findings in the relationship between market value and corporate social responsibility index are because corporate social responsibility has an intangible asset in its constitution: the corporate reputation. Therefore, these results converge into accepting these practices, which generate a firm’s value, justifying the positive and significant association. Finally, it is essential to highlight that the variations found between countries, especially companies from nations with higher GDP, need a more substantial capital structure than smaller ones to obtain a positive CSR index. Contributions: The paper argues that the capital structure can be introduced related to adopting corporate social responsibility. It is worth noting that this research aims not to provide an optimal set of factors that affect corporate social responsibility practices but to highlight the intangible effect of corporate reputation generated by the capital structure that other studies can investigate.
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 | 0,003 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| 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 ».