We now describe the methodby which

We now describe the method
by which we combine our 13 variables within the four
subindices. We collect our data from publicly available
data sources and use the companies’ systematic
disclosure of the data to ensure that the data are fully
transparent and reproducible. Our challenge here is
to objectively form an index to quantify the firm’s
CG. There are two similar ways to address problems
of this kind: PCA and factor analysis. We use PCA to
condense our variables into various CG internalmechanism
components7 because PCA includes all
possibilities in the variables, whereas factor analysis
considers only common variability. This method has
also been previously applied to a form index (e.g.
Linck et al., 2008). We generate index scores for each
year for each of the four mechanisms using the largest
eigenvalue vector. For comparative purposes, we also
use factor analysis and find empirical results similar
to those that PCA yields. Table 4 displays the first
two components of the factor loadings and the
eigenvalues from the PCA.

ผลลัพธ์ (ไทย) 1:

เราตอนนี้อธิบายวิธีการซึ่งเราได้รวมตัวแปรของเรา 13 ภายในสี่subindices เราเก็บรวบรวมข้อมูลจากเผยแหล่งข้อมูล และบริษัทใช้ระบบเปิดเผยข้อมูลเพื่อให้ข้อมูลครบถ้วนโปร่งใส และจำลอง ความท้าทายของเรานี่คือเพื่อเป็นดัชนีวัดปริมาณของบริษัทCG มีสองวิธีที่คล้ายกับปัญหาที่อยู่ชนิดนี้: PCA และสัดส่วนของการวิเคราะห์ เราใช้ PCA เพื่อบีบตัวแปรของเราเป็น internalmechanism CG ต่าง ๆcomponents7 เนื่องจากสมาคมรวมทั้งหมดไปในตัวแปร ในขณะที่การวิเคราะห์ปัจจัยพิจารณาเฉพาะทั่วไปสำหรับความผันผวน วิธีนี้มีนอกจากนี้ยัง ถูกใช้ก่อนหน้านี้ดัชนีแบบฟอร์ม (เช่นLinck et al., 2008) เราสร้างดัชนีคะแนนสำหรับแต่ละสำหรับกลไกที่สี่ใช้ใหญ่ที่สุดแห่งปีeigenvalue เวกเตอร์ สำหรับการเปรียบเทียบ เรายังใช้การวิเคราะห์ปัจจัย และหาผลรวมคล้ายผู้ที่ทำให้สมาคม ตาราง 4 แสดงครั้งแรกส่วนที่สองของ loadings ปัจจัยและเวกเตอร์จากสมาคมการ

ผลลัพธ์ (ไทย) 2:

ตอนนี้เราอธิบายวิธีการที่เรารวม 13 ตัวแปรของเราภายในสี่ subindices เราเก็บรวบรวมข้อมูลของเราจากที่เปิดเผยต่อสาธารณชนแหล่งข้อมูลและการใช้งานของ บริษัท เป็นระบบการเปิดเผยข้อมูลเพื่อให้แน่ใจว่าข้อมูลที่มีอย่างเต็มที่ที่โปร่งใสและสามารถทำซ้ำได้ ความท้าทายของเราที่นี่คือเพื่อวัตถุรูปแบบดัชนีที่จะหาจำนวนของ บริษัท บรรษัทภิบาล มีสองวิธีที่คล้ายกับการแก้ไขปัญหาแบบนี้: PCA และการวิเคราะห์ปัจจัย เราใช้ PCA การรวมตัวของเราเป็นตัวแปรต่างๆCG internalmechanism components7 เพราะ PCA รวมถึงความเป็นไปได้ในตัวแปรในขณะที่การวิเคราะห์ปัจจัยที่จะพิจารณาเฉพาะความแปรปรวนที่พบบ่อย วิธีการนี้ยังได้รับนำไปใช้ก่อนหน้านี้ดัชนีรูปแบบ (เช่น Linck et al., 2008) เราสร้างคะแนนดัชนีสำหรับแต่ละปีแต่ละแห่งที่สี่ใช้กลไกที่ใหญ่ที่สุดเวกเตอร์eigenvalue เพื่อการเปรียบเทียบเรายังใช้การวิเคราะห์ปัจจัยและผลการศึกษาพบว่าคล้ายกับผู้ที่อัตราผลตอบแทนPCA ตารางที่ 4 แสดงครั้งแรกที่ทั้งสองส่วนของปัจจัยภาระและค่าลักษณะเฉพาะจากPCA

ผลลัพธ์ (ไทย) 3:

ตอนนี้เราอธิบายวิธีการโดยรวมของเราซึ่งเรา

subindices 13 ตัวแปรภายใน 4 . เราเก็บรวบรวมข้อมูลจากแหล่งข้อมูลที่เปิดเผยต่อสาธารณชนและใช้บริษัท

ระบบเปิดเผยข้อมูลเพื่อให้แน่ใจว่าข้อมูลจะเต็ม
โปร่งใสและซ้ํา ความท้าทายของเราคือ
ทั้งหลายรูปแบบดัชนีปริมาณของ
บริษัท CG . มีสองวิธีที่คล้ายกันเพื่อแก้ไขปัญหา
ของประเภทนี้ : PCA และการวิเคราะห์องค์ประกอบ เราใช้วิธีย่อตัวลง components7 ของเรา

internalmechanism
CG ต่างๆ เพราะในปัจจุบันมีความเป็นไปได้ทั้งหมด

ในตัวแปร และการวิเคราะห์ปัจจัยพิจารณาเฉพาะทั่วไปความแปรปรวน วิธีนี้ก็ยังถูกใช้ก่อนหน้านี้
แบบฟอร์มดัชนี ( เช่น
ลิงก์ et al . , 2008 ) เราสร้างดัชนีคะแนนสำหรับแต่ละ
ปีสำหรับแต่ละสี่กลไกโดยใช้ค่าเวกเตอร์ที่ใหญ่ที่สุด

เปรียบเทียบ เราก็ใช้การวิเคราะห์ปัจจัยและหา
เชิงประจักษ์ผลที่คล้ายกัน
ที่ PCA ผลผลิต ตารางที่ 4 แสดงครั้งแรก
สององค์ประกอบของปัจจัยภาระและ
ค่าจากพีซี .