Small Business Lending and Economic Well-Being in Texas Counties: A Test with Community Reinvestment Act Data
Notice bibliographique
Résumé
Utilizing the Capitals framework we examine the impact of Reinvestment (CRA) reported small business lending on the economic well-being of Texas counties in 1999–2000. We combine data from multiple data sources, including the County Federal Financial Institutions Examination Council (FFIEC) annual county Aggregate and Disclosure data—collected under directive of the 1977 Reinvestment Act—and use GeoDa to model the impact of small business lending in each Texas county from 1996–1999 on the 1999 county poverty rate, median family income, Gini income inequality coefficient, 2000 per capita income and 2000 nonfarm earnings per worker. Controlling for other dimensions of the Capitals Framework, the results show positive effects of small business lending on two income measures—per worker nonfarm earnings, and per capita income. Furthermore, we find the small business lending from 1996–1999 reduced poverty and income inequality in the most rural Texas counties. Implications for theory, policy, and research are discussed. Keywords: community development; small business; financing; rural ----------------------------------------------------------- Resume A l'aide cadre Capitaux Communautaires, nous examinons l'impact positif economique du Reinvestment Act (CRA) qui a agi comme preteur aux petites entreprises au Texas en 1999-2000. Nous combinons les donnees diverses sources, incluant celles des institutions financieres federales Conseil d'Analyse Comte (FFIEC an anglais) concernant les donnees annuelles globales publiques Comte—collectees sous la directive Community Reinvestment act de 1977—et nous utilisons GeoDa pour modeliser l'impact des prets aux petites entreprises chaque Comte Texas entre 1996 et 1999, l'indice pauvrete Comte 1999, un revenu median par famille, un coefficient revenu Gini inegal, 2000 revenu par habitant et 2000 salaire non-agricole par travailleur. En controlant les autres aspects cadre Capitaux communautaires, les resultats montrent des effets positifs sur les petites entreprises pretant a deux niveaux dans le revenu—au niveau salaire chaque employe non-agricole, et par revenu capital. De plus, nous trouvons que les prets aux petites entreprises 1996-1999 reduisent la pauvrete et les inegalites revenu dans les Comtes les plus ruraux Texas. Les implications theoriques, principe et recherche sont discutees.
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 | 0,002 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».