AN EMPIRICAL STUDY OF FINANCING DECISION RATIOS AND FIRM PERFORMANCE IN NIGERIA'S INDUSTRIAL SECTOR
Notice bibliographique
Résumé
The crux of this study is to evaluate the impact of financing decision ratios on the financial performance of listed industrial goods companies in Nigeria. The study aligned with the ex post facto research design. Data was collected from the thirteen (13) listed industrial goods companies on the Nigerian Exchange Group. All the companies were considered as the population of the study. Data was collected from the annual financial statements of the companies for a period of ten (10) years from 2014 to 2023. One hundred and thirty observations were made and, on those observations, the Generalized Method of Moment (GMM) technique was applied for the analysis of data. The study measured financial performance using the return on assets (ROA) while different measures were used to measure the independent and control variables. The study found that the impacts of total debt to total assets and dividend to total debt are significant on return on assets. It was also seen that firm size, firm age, and leverage also play a significant role as control variables. From the findings, the study concluded that focusing closely on the dynamics and interplay of debt financing and the proportion of dividend paid in the face of existing debt structure significantly help out the firms make the right financing decisions as the success of companies mostly depends on the combination of capital obtained and dividend decisions. This percentage decides the level of return on assets. From the findings and conclusion, the study recommended that the management of industrial goods firms should balance the quality of the financial structure through rational financing decisions because appropriate debt capacity and rational dividend payments offer the best advantage to the companies through maximizing return on assets.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».