MétaCan
Menu
← Retour à la cohorte
Enregistrement W7108721653 · doi:10.61440/jbes.2025.v2.100

Determinants of Cross-Border Mergers and Acquisitions in Developed Markets: A Recent Empirical Analysis and it´s Practical Implications

2025· article· W7108721653 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMergers and acquisitionsProxy (statistics)PoliticsAttractivenessEmpirical researchForeign direct investmentThrivingEstimationEmpirical evidence

Résumé

récupéré en direct d'OpenAlex

Cross-border mergers and acquisitions are contributing to economic growth, welfare, market expansions and competitiveness. Many countries are thriving to attract them and in political discussions it is one of the hot topics how to do so. For policy makers and corporate decision makers it is crucial to know what the real drivers of foreign corporate investments are. For this purpose, this study will analyze cross-border mergers and acquisitions in industrialized countries. The paper is focusing on two key questions: • What are the key determinants for cross-border mergers and acquisitions? • Does industry similarity between countries affect the deal frequency? The paper contains a theoretical and a literature review followed by an empirical investigation which was based on descriptive statistical methods and a regression analysis. The empirical findings revealed a concentration of transactions in certain countries, particularly the US, Canada, UK, Germany, and France. The healthcare and financial industries lead the way as the top sectors, followed by the industrial and technology sector. Some sectors, such as finance, healthcare, and high technology, had a high frequency of intra-industry cross-border transactions. The regression results showed that GDP size as a proxy for the attractiveness of the local market had the biggest impact. Cultural affinity and political stability followed in terms of impact, when the USA was excluded from the dataset. Including the USA in the estimation proved the strong significance of the GDP size again but also revealed the importance of lower corporate taxes, however, to a clearly lesser extent.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,036
Tête enseignante GPT0,433
Écart entre enseignants0,398 · 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 source (Gemma direct ou Codex distillé), 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInternational Business and FDI→Travaux en français237 207→