MétaCan
Menu
Retour à la cohorte
Enregistrement W4389373099 · doi:10.1108/cfri-07-2023-0187

Shaping corporate ESG performance: role of social trust in China's capital market

2023· article· en· W4389373099 sur OpenAlexaff
Tiantian Tang, Liyan Yang

Notice bibliographique

RevueChina Finance Review International · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Social Science Fund of ChinaNational Natural Science Foundation of China
Mots-clésCorporate governanceBusinessLeverage (statistics)Social trustSocial capitalCapitalizationProfitability indexCorporate social responsibilityAccountingNexus (standard)OriginalityPropensity score matchingPanel dataEconomicsFinanceEconometricsPublic relations

Résumé

récupéré en direct d'OpenAlex

Purpose This study investigates the influence of social trust on the attainment of corporate environmental, social and governance (ESG) objectives. Design/methodology/approach This study conducts panel regression analysis on a distinctive dataset for 2009–2017 on Chinese firms. Findings The analysis reveals a significant positive association between social trust and firm-level ESG practices. Moreover, the impact of social trust on shaping ESG outcomes is further amplified by factors such as economic growth, corporate governance standards and institutional quality. This relationship remains statistically positive when the authors employ alternative measures and methodologies, such as the instrumental variables, propensity score matching and difference-in-differences approaches. Notably, the results of heterogeneity tests indicate that the Trust–ESG nexus is more prominent for state-owned enterprises and firms with substantial market capitalization, superior profitability and higher leverage. Originality/value This study expands the comprehension of the determinants of ESG and underscores the influential role of social trust as an informal institution in enhancing a firm's ESG performance.

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)0,001
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 enseignants0,192
Score d'incertitude au seuil0,784

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
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 Opus0,028
Tête enseignante GPT0,269
Écart entre enseignants0,242 · 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

Citations67
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChina Finance Review InternationalMême sujetCorporate Social Responsibility ReportingTravaux en français237 207