The Impact of CEO Characteristics on Investment Efficiency in Jordan: The Moderating Role of Political Connections
Notice bibliographique
Résumé
This study investigates the impact of CEO characteristics—specifically CEO age, founder status, and family membership—on investment efficiency in Jordanian non-financial companies, with a focus on the moderating role of political connections. Drawing on the existing literature, we identify conflicting views regarding how these characteristics influence investment decisions. Some studies suggest that younger CEOs may adopt more aggressive investment strategies, while older CEOs tend to be conservative, leading to balanced resource allocation. Similarly, CEOs with founder status and family membership are thought to have an emotional attachment to the company, theoretically resulting in cautious investment behavior. However, empirical evidence remains mixed. By using data from 62 non-financial firms listed on the Amman Stock Exchange (ASE) from 2019 to 2023, this study employs regression analysis to explore these relationships. The findings reveal that CEO age contributes to investment efficiency by mitigating both over- and under-investment. Contrary to expectations, CEO founder status shows no significant effect on investment efficiency. Additionally, family-member CEOs exhibit a tendency toward under-investment, driven by a desire to preserve family wealth. Political connections further complicate these dynamics, encouraging riskier investment strategies while diluting the positive effects of CEO characteristics. These results provide new insights into the intricate interplay between CEO traits and political networks, contributing to the discourse on corporate governance in emerging markets. The study concludes with practical implications for policymakers and company boards, emphasizing the need for balanced leadership selection strategies to optimize investment efficiency.
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 | 0,000 | 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 ».