MétaCan
Menu
Retour à la cohorte
Enregistrement W4401326426 · doi:10.3390/jrfm17080338

The Impact of Selected Financial Ratios on Economic Value Added: Evidence from Croatia

2024· article· en· W4401326426 sur OpenAlexvenueno aff
Robert Zenzerović, Manuel Benazić

Notice bibliographique

RevueJournal of risk and financial management · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValue (mathematics)EconomicsEconomic Value AddedBusinessFinancial systemMathematicsStatisticsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Traditional financial performance measures should be extended to provide additional information to stakeholders. One such extension is the economic value added (EVA). It shows residual profit above the cost of financing, both creditors and equity financing. This paper elaborates on the impact of selected financial ratios on EVA to total assets and EVA to capital employed using the 20-year aggregated data of non-financial business entities operating in Croatia. It answers the research question of which of the selected financial ratios impacts the above-mentioned EVA-based ratios. Applying dynamic panel data modeling using the generalized method of moments technique resulted in the derivation of two models. The human capital efficiency ratio was statistically significant in both models, positively affecting EVA/total assets and EVA/capital employed. In contrast, the debt ratio and net profit margin were significant only in the second model, where EVA/capital employed was a dependent variable. The research results indicate that the debt ratio affects EVA/capital employed negatively while the net profit margin has a positive effect, confirming the existing research. Total liabilities/earnings before interest, taxes, depreciation and amortization, and total asset turnover were not found to be significant in either of the two models.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,867
Score d'incertitude au seuil0,438

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,023
Tête enseignante GPT0,300
Écart entre enseignants0,277 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetFinancial Reporting and Valuation ResearchTravaux en français237 207