Notice bibliographique
Résumé
In this thesis, I add to the literature which uses microdata to assess how economic outcomes are influenced by the financial condition of firms and households. In my first chapter, I analyze whether leverage impacts the growth rates of capital expenditures and employment for US and Canadian publicly traded firms in a non-linear manner. I find that the negative marginal impact of leverage on future growth tends to be higher for firms in higher leverage quartiles for firms with similar growth prospects. I also show that for firms with similar leverage, the impact of leverage on future growth is larger for firms with low growth opportunities compared to those with better growth opportunities. These findings provide new evidence supporting the use of debt to reduce the agency conflicts between shareholders and managers for firms with low growth opportunities. The second chapter of my thesis challenges the findings of a lead AER article which had analyzed how a firm's investment responds to changes in its collateral values. I demonstrate that their results are highly sensitive to arbitrary Winsorization thresholds. I also show that a firm's investment responds to shocks to national real estate prices rather than shocks to the value of collateral it actually owns. The extent to which real estate shocks affect corporate investment---the collateral channel---therefore, remains an open question. The final chapter of my thesis analyzes the impact of macroprudential housing finance rules changes in Canada between 2005 and 2010. I start by combining loan-level administrative data with household-level survey data to determine the financial condition of potential first time homebuyers in Canada. I then use a microsimulation model of mortgage demand to determine the impact of rule changes on potential first time homebuyers. Policies targeting the loan-to-value ratio are found to have a larger impact than policies targeting the debt-service ratio, such as amortization. In addition, I show that loan-to-value policies have a larger role to play in reducing default than income-based policies. Disclaimer, the views in this thesis are mine and do not necessarily reflect those of the Bank of Canada.
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 | 0,008 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,005 |
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 ».