Corporate Social Responsibility Reporting, Intellectual Capital, and Financial Performance of Listed Firms in Ghana
Notice bibliographique
Résumé
This study examines the moderating effect of intellectual capital (IC) on the relationship between corporate social responsibility (CSR) reporting and financial performance of 36 listed firms in Ghana from 2013 to 2022. We employed the system generalized method of moment and the dynamic panel threshold regression. We used data from BankScope, the Refinitiv database, and unconsolidated financial statements. We discovered a significant negative effect of CSR reporting on financial performance. Conversely, the IC components including value-added intellectual coefficient (VAIC), human capital efficiency (HCE), and structural capital efficiency (SCE) have a positive effect on financial performance. However, capital employed efficiency (CEE) negatively impacts financial performance of listed firms in Ghana. Our study further revealed that VAIC, HCE, and SCE exhibit positive and statistically significant moderating effects on the relationship between CSR reporting and financial performance. Our analysis also reported a negative and significant effect of CEE on the relationship between CSR reporting and financial performance. We also found that CSR reporting positively affects financial performance of listed firms in Ghana when IC (VAIC, HCE, and SCE) exceeds a certain threshold. Firms must carefully consider the interplay between CSR reporting, IC, and environmental engagement to optimize their financial performance. This research contributes to the theoretical understanding by demonstrating how IC components, particularly VAIC, HCE, and SCE, positively moderate the relationship between CSR reporting and financial performance, offering fresh perspectives on the role of IC in enhancing the financial outcomes of CSR activities among listed firms in Ghana.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».