Self-Regulation for Reputation-Sensitive Buyers: SA8000 in China
Notice bibliographique
Résumé
Industries and firms have diverse motives for adopting self-regulatory institutions. This research develops and tests propositions about one motive—exploiting opportunities to do business with reputation-sensitive buyers—as distinct from self-regulation to defend against regulatory or activist threats. To study the adoption and effects of self-regulation for reputation-sensitive buyers, we study the SA8000 socially responsible employment certification among large firms in China in the early 2000s. Using official longitudinal industrial microdata, we test hypotheses generated by this assumed motive for self-regulation and find that (a) despite concerns about the corruptibility of certification bodies, SA8000 adopters in China exhibited higher precertification worker wages than comparable nonadopters, (b) self-regulation led to increased employment and sales to foreign markets, where reputation-sensitive buyers are concentrated, (c) the positive effect on exports was greater than the (insignificant, negatively signed) effect on domestic sales, and (d) there is no evidence that self-regulation increased worker wages beyond the initial high start. Contrasting these findings with prior research on industry self-regulation for other motives, this study highlights how both adoption patterns and downstream effects differ according to the audience for self-regulation. This paper was accepted by Olav Sorenson, organizations. Supplemental Material: The online appendix and data files are available at https://doi.org/10.1287/mnsc.2020.01306 .
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».