Do women directors impact the cost of bank financing? Evidence from Australia
Notice bibliographique
Résumé
We investigate the effect of women directors on the cost of bank loans for a sample of Australian listed firms during the period 2002-2017. More women on both boards and committees are associated with lower loan spreads, reduced default risk, and improved financial reporting quality. The reduction in loan spread is seen from when the first female director joins the board, and the effect of that is stronger than the effects of additional (second and subsequent) women joining the board. Moreover, women’s leadership status reinforces this effect. Our results are consistent with the idea that female directors exhibit greater risk aversion than male directors, that women are not treated as tokens and are influential—even as a minority group on the board—and that they enhance corporate governance and reporting quality. Investigamos el efecto de las mujeres consejeras en el coste de los préstamos bancarios para una muestra de empresas australianas que cotizan en bolsa durante el período 2002-2017. Un mayor número de mujeres tanto en los consejos de administración como en los comités se asocia con menores diferenciales de los préstamos, un menor riesgo de impago y una mejor calidad de los informes financieros. La reducción del diferencial de los préstamos se observa desde la primera mujer consejera, y resulta más intensa que los efectos asociados a las siguientes (segunda y siguientes) mujeres incorporadas al consejo. Además, el estatus de liderazgo de la mujer refuerza este efecto. Nuestros resultados son coherentes con las nociones de que las mujeres consejeras muestran una mayor aversión al riesgo que los hombres consejeros, que las mujeres no son tratadas como simbolo siendo influyentes incluso como grupo minoritario en el consejo y que mejoran el gobierno corporativo y la calidad de la información.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».