Product Recall Contagion in the Supply Chain
Notice bibliographique
Résumé
Following a manufacturer's large product recall, its supplier's shareholders may perceive uncertain future demand for the supplier's products and react punitively, causing a drop in the supplier's stock return—that is, a contagion (or negative spillover). Moreover, shareholders’ information asymmetry may cause them to “screen” the supplier's information cues to determine the supplier's extent of demand uncertainty. The ideal screen is the supplier's proportion of sales revenue from the recalling manufacturer. However, not all suppliers disclose this information. Therefore, we propose that shareholders use a two-stage screening. The first screen is whether the supplier demonstrates transparency by voluntarily disclosing information about its customer portfolio. The second screen—available only to the subset of suppliers that disclose customer information—is the supplier's sales revenue from the recalling manufacturer. We used a sample of 896 U.S. public manufacturer–supplier dyads impacted by 27 large manufacturer recalls. An event study followed by cross-sectional regressions provides evidence of contagion. In addition, it reveals that the supplier's voluntary disclosure of customer information mitigates contagion, whereas revenue dependence aggravates it. Contextual (i.e., recall) variables also impact contagion. Our research study contributes to the supply-chain contagion literature, screening theory, and customer information disclosure literature. The findings inform supplier firm managers that their prior customer-related disclosures and the contextual variables can moderate contagion.
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 ».