FAMILY FIRMS, BANK RELATIONSHIPS, AND FINANCIAL CONSTRAINTS: A COMPREHENSIVE SCORE CARD
Notice bibliographique
Résumé
We examine the effect of financial constraints on firm investment and cash flow. We combine data from the Spanish Mercantile Registry and the Bank of Spain Credit Registry to classify firms according to whether they are family-owned, not family-owned, or belong to a family-linked network of firms and according to their number of banking relations (with none, one, or several banks). Our empirical strategy is structural, based on a dynamic model solved numerically to generate the joint distribution of firm capital (size), investment and cash flow, both in cross-sections and in panel data. We consider three alternative financial settings: saving only, borrowing and lending, and moral hazard constrained state-contingent credit. We estimate each setting via maximum likelihood and compare across these financial regimes. Based on the estimated financial regime, we show that family firms, especially those belonging to networks based on ownership, are associated with a more flexible market or contract environment and are less financially constrained than non-family firms. This result survives stratifications of family and non-family firms by bank status, region, industry and time period. Family firms are better able to allocate funds and smooth investment across states of the world and over time, arguably done informally or using the cash flow generated at the level of the network. We also validate our structural approach by demonstrating that it performs well in traditional categories, by stratifying firms by size and age and find that smaller and younger firms are more constrained than larger and older firms.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; 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 ».