Credit commercial et limitation du credit des entreprises canadiennes
Notice bibliographique
Résumé
Burkart et Ellingsen (2004) ont élaboré un modèle de crédit commercial et de limitation du crédit bancaire selon lequel les entreprises à faible ou moyenne rentabilité auraient recours au crédit commercial pour atténuer les effets de limitation du crédit bancaire. Nous testons cette prédiction et plusieurs autres produites par ce modèle à partir d'un vaste échantillon composé de plus de 28 000 entreprises canadiennes. Au lieu de choisir arbitrairement les entreprises susceptibles de voir leur crédit limité, nous faisons appel à une méthode endogène pour classer les entreprises de l'échantillon selon leur rentabilité. Les données confirment assez nettement les principales prédictions du modèle de Burkart et Ellingsen. Nous constatons que les entreprises ayant une rentabilité moyenne substituent le crédit commercial au crédit bancaire, sans doute dans le but d'atténuer l'incidence de la limitation du crédit bancaire. Dans le cas des entreprises peu rentables, le crédit commercial est corrélé positivement avec le crédit bancaire, ce qui tend à indiquer que ce groupe subit des contraintes à la fois sur le marché du crédit bancaire et sur celui du crédit commercial et qu'il ne peut recourir autant à ce dernier pour amortir les chocs négatifs. Autre conclusion : rares seraient les entreprises canadiennes, même parmi les plus rentables, à n'être soumises à aucune contrainte d'emprunt. Enfin, les entreprises peu rentables qui accusent une baisse d'activité et se heurtent à de grosses difficultés accordent proportionnellement plus de crédit commercial que celles en meilleure santé financière.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».