MétaCan
Menu
Retour à la cohorte
Enregistrement W4404854959 · doi:10.5267/j.uscm.2024.8.016

Exploring the influence of intangible resources on firm value across major Indonesian industrial sectors: An RBV perspective

2024· article· en· W4404854959 sur OpenAlexvenueno aff
Variyetmi Wira, Niki Lukviarman, Rida Rahim, Efa Yonnedi

Notice bibliographique

RevueUncertain Supply Chain Management · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Capital and Performance Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndonesianBusinessPerspective (graphical)Value (mathematics)Industrial organizationEnterprise valueResource-based viewMarketingAccountingCompetitive advantageStatisticsComputer science

Résumé

récupéré en direct d'OpenAlex

The development of Resources Based-View in 2021 states that the firm's value creation is influenced by unique resources. This research aims to explore the use of intangible resources in three main industrial sectors in Indonesia to create firm value. The research method begins with the mapping of resources that meet valuable, rare, imperfect imitability, and non-substitution, forming a research model. These internal resources are measured using the company's financial ratio. The research data is in the form of secondary data for the period 2012-2022 which is analyzed using the panel data regression method and robustness test. The results found that each industry has different resources to increase the firm value. Internal resources; Intangible assets, firm innovation and managerial ability can create firm value in the basic materials industry. Meanwhile, in the Consumer Noncyclicals industry, only managerial ability affects the firm's value. Meanwhile, intellectual capital is not able to create firm value in Indonesia. The research implies that physical resources are still the main factor in creating a competitive advantage to achieve sustainable corporate value in Indonesia. The theoretical contribution is that there are still other applications of the RBV concept to create firm value.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,586
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,046
Tête enseignante GPT0,264
Écart entre enseignants0,218 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetIntellectual Capital and Performance AnalysisTravaux en français237 207