Information asymétrique, contraintes de liquidité et investissement
Notice bibliographique
Résumé
Le présent article étudie l’influence de la structure des marchés financiers sur les décisions d’investissement des entreprises à partir de données longitudinales d’entreprises de six pays : l’Allemagne et le Japon d’une part, où s’établissent plutôt des relations de long terme entre prêteurs et emprunteurs, le Canada, les États-Unis, la France et le Royaume-Uni d’autre part, dont les marchés financiers tendent à privilégier les relations de court terme. Les systèmes financiers qui favorisent les relations de long terme devraient réduire les imperfections de marché et permettre donc aux entreprises de moins recourir aux fonds autogénérés pour financer leurs investissements. Les résultats de nos estimations confirment qu’en Allemagne et au Japon, les coefficients des variables de flux et de stocks de liquidités dans les équations d’investissement sont soit faibles soit statistiquement non différents de zéro. Par ailleurs, indépendamment du système financier d’un pays, ces mêmes imperfections devraient se manifester plus dans les petites entreprises que dans les grandes entreprises. Nos résultats montrent effectivement que les petites firmes ont davantage recours à leurs propres fonds pour financer leurs investissements, non seulement aux États-Unis mais encore au Japon, ce qui constitue une confirmation plus convaincante de l’hypothèse des contraintes financières.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».