The Impact of Board Gender Diversity on European Firms’ Performance: The Moderating Role of Liquidity
Notice bibliographique
Résumé
This study examines how board gender diversity affects listed non-financial European companies’ financial performance. Data from the Refinitiv Eikon Platform—LSEG and World Bank databases was used to complete the analysis. The total sample included 4257 companies for the period 2011–2023. This study examined board gender diversity and its interaction with liquidity while controlling for board characteristics such as board size, independence, and board meetings. Controlling for firm characteristics (firm size and leverage) and macroeconomic variables like inflation and GDP. This study estimated the connection using panel regression. Due to Hausman test significance, fixed effect estimation was used. The findings demonstrated a notable and favorable influence of board features, such as gender diversity, board independence, and board size, on European nonfinancial companies. Additionally, liquidity positively affects firm performance. Furthermore, the findings indicated that leverage had a significant negative impact on profitability. Finally, both the size and GDP have a significant beneficial impact on profitability. Our findings indicate that an increased representation of women on the board of directors is associated with greater independence among board members and a higher number of board members being hired. This, in turn, has a positive impact on profitability due to the extensive experience shared among board members. Additionally, this leads to improved governance, enabling better control over decisions and a greater focus on the long-term investment strategy of the company. Our results are robust, as are similar results reported by the GMM regression.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».