MétaCan
Menu
Retour à la cohorte
Enregistrement W7085811284 · doi:10.24912/ijaeb.v2i4.860-870

FACTORS INFLUENCING CASH HOLDING IN THE NON-CYCLICAL CONSUMER INDUSTRY AFTER THE COVID-19 PANDEMIC

2024· article· en· W7085811284 sur OpenAlexaboutno aff

Notice bibliographique

RevueInternational Journal of Application on Economics and Business · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCashLeverage (statistics)Stock exchangeNonprobability samplingSample (material)Cash and cash equivalentsOperating cash flowQuarter (Canadian coin)

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic resulted in all sectors recording negative performance in the first quarter of 2020, including the consumer goods sector. In economic uncertainty due to the COVID-19 pandemic and intense competition between companies, many company experienced a significant decline and even decided to go on insolvency because they were unable to finance their operational activities. Therefore, the availability of cash or cash holding is essential to support the company’s operational activities, and error in calculating cash holding can result in the company experiencing financial difficulties. This study aims to analize the effect of cash conversion cycle, cash flow, and leverage on cash holding in consumer non-cyclicals companies listed on the Indonesia Stock Exchange (BEI) for the 2020-2022. The data used in this study were collected from IDX website. Analyzed data by using Eviews version 13. Sampling method used is Purposive sampling techniques. There were 47 companies met the criteria as the sample.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,185
Score d'incertitude au seuil0,539

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
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 Opus0,033
Tête enseignante GPT0,290
Écart entre enseignants0,257 · 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'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Application on Economics and BusinessMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207