Second, we conduct regression analy

Second, we conduct regression analyses to investigate whether CEO (CFO) LS can predict CFO (CEO) LS. In our first regression, we use CFO LS at the end of CEO-CFO tenure overlap as the dependent variable. The predictors include CEO LS, CFO LS, firm size (natural logarithm of total assets), firm performance (ROA), R&D intensity, CFO gender, and CFO age, and two-digit SIC industry dummy variables. All the predictors are measured at the beginning of CEO-CFO tenure overlap. We also include CEO-CFO tenure overlap as a predictor. In unreported results, the coefficient estimate of CEO LS (beginning) is positive and statistically significant (β=0.046, p

結果 (繁體中文) 1:

其次，我們進行回歸分析，調查的首席執行官（CFO）LS是否可以預測CFO（CEO）LS。在我們的第一次回歸，我們使用CFO LS的CEO，CFO任期重疊作為因變量的末尾。該預測包括CEO LS，CFO LS，企業規模（總資產的自然對數），企業績效（ROA），R＆d強度，CFO性別和年齡CFO，以及兩位SIC行業虛擬變量。所有預測都在CEO，CFO任職重疊的開始測量。我們還包括CEO，CFO任職重疊的預測。在未報告的結果，CEO LS的係數估計（開始）是正的和統計學顯著（β= 0.046，P

結果 (繁體中文) 2:

其次，我們進行迴歸分析，以調查 CEO （CFO） LS 能否預測 CFO （CEO） LS。在第一個回歸中，我們使用 CEO-CFO 任期結束時的 CFO LS 作為因變數。預測變數包括 CEO LS、首席財務官 LS、公司規模（總資產的自然對數）、公司績效 （ROA）、研發強度、首席財務官性別和首席財務官年齡，以及兩位數的 SIC 行業虛擬變數。所有預測變數都在 CEO-CFO 任期重疊的開始處進行測量。我們還將 CEO-CFO 任期重疊作為預測變數。在未報告的結果中，CEO LS（開始）的係數估計值為正且具有統計顯著性（=0.046，p

結果 (繁體中文) 3:

其次，我們進行回歸分析，探討CEO（CFO）LS是否能預測CEO（CEO）LS。在我們的第一個回歸中，我們使用CEO-CFO任期重疊結束時的CFO LS作為因變數。預測因數包括CEO LS、CFO LS、企業規模（總資產的自然對數）、企業績效（ROA）、研發强度、CFO性別和CFO年齡，以及兩位數的SIC行業虛擬變數。所有預測因素都是在首席執行官-首席財務官任期重疊開始時量測的。我們還將CEO-CFO任期重疊作為預測因素。在未報告的結果中，CEO-LS（開始）的係數估計為正，具有統計學意義（β=0.046，p