The impact of CEO succession choices on digital transformation in family firms
Notice bibliographique
Résumé
Purpose This study investigates how CEO succession choices – specifically, the appointment of a family-successor CEO versus an external non-family CEO – affect digital transformation in family firms. Drawing on socio-emotional wealth theory and agency theory, it further examines how top management team (TMT) diversity and slack resources influence this relationship. Design/methodology/approach The analysis is based on a panel of family firms listed on the Shanghai and Shenzhen A-shares markets from 2014 to 2020. Using multiple regression models with controls for endogeneity and robustness checks, the study evaluates the impact of CEO succession choices on digital transformation. Findings Results show that family-successor CEO significantly promote digital transformation in family firms, with the effect being more pronounced in firms with stronger familial cultural characteristics. Strategic risk-taking is identified as a mediating mechanism in this process. Moreover, TMT heterogeneity and slack resources, not only enhance the link between family-successor CEOs and strategic risk-taking but also reinforce the indirect effect of strategic risk-taking in facilitating digital transformation. Originality/value This study contributes to the literature on digital transformation in the context of Chinese family firms and extends research on intergenerational succession and strategic change. It highlights the unique role of family governance in mitigating agency problems and shows how traditional family culture adapts to modern economic demands. The findings provide an Eastern perspective on corporate governance, enriching cross-cultural research in this field.
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 | 0,000 | 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 | 0,001 | 0,002 |
| 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 ».