An Exploratory Analysis of the Profitability of Small and Medium Firms Using Panel Data: The Case of the Greater Bucharest Metropolitan Area
Notice bibliographique
Résumé
This study attempts to predict aggregate profits for small and medium Romanian firms using a relatively naïve model We use a dataset consisting of 4,519 observations spanning a period of eleven years, from 2001 to 2011 Each observation is obtained by aggregating the data associated with all small and medium firms that can be found for a given NACE and SIRUTA code in the greater Bucharest metropolitan area Our sample includes a number of more than 1,514 observations that correspond to firms with aggregate zero turnover and aggregate zero number of employees These are in fact shell companies, firms that are inactive, but somehow remained in the evidence of the Romanian Trade Register Office We split our sample into two distinct periods, using the 2008 financial crisis as the dividing point We fit a simple prediction model of aggregate total profits as a function of four variables, using the pre-financial crisis period We test the predictions of our model using the post-crisis period The results are imparting three important lessons First, by allowing shell companies in our sample, the prediction accuracy of our model appears to weaken Many surveys and economic policy studies conducted by the Romanian government take into account all companies in the evidence of the Trade Register Office, whether active or not We thus strongly recommend that policy initiatives be based solely on statistical surveys that include only firms in operation Second, we do not need very detailed information, a large number of explanatory variables, or a very sophisticated model in order to achieve a good prediction power Using only four variables, our naïve prediction model boasts an impressive out-of-sample R-square of almost 62% Third, the 2008 financial crisis that wreaked havoc in Western Europe and North America, represented a true tipping point for the economy of the greater Bucharest metropolitan area as well.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».