Credit Constraints and the Productivity of Small and Medium-sized Enterprises: Evidence from Canada
Notice bibliographique
Résumé
Small and medium-sized enterprises (SMEs) are regulators of the business environment. In Canada, SMEs represent about 50 percent of businesses and are responsible for over 60 percent of the country’s employment. The role of SMEs in the development of a country can’t be ignored, as they are vital indicators of economic development. The size and cash flow of a company's assets are reliable indicators of credit constraints (CC), which results in a CC agent for models that use an asset-to-liability ratio. We focus on the actual impact of a previously estimated score in cases where corporate credit is limited. Investment and employment decisions are based on productivity shocks (PS) and the possibility of CC. Using variables, our model indicates the importance of measured credit restrictions being distinguished, such as cash flows that indicate productivity levels and the probability of CC. The data samples are from 2009 to 2014, although the measurement of CC is only available from 2011. Therefore, we use the model of credit constraint estimation to anticipate the likelihood of CC in the months before and after 2011. The findings reflect that the firm’s size, debt to assets ratio, and cash flow are significant factors in the evaluation of the CC, whereas long-term debt (LTD) to asset ratio wasn’t found to be significant. The study also evaluates and estimates firm-level productivity.
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 | 0,002 |
| 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 | 0,001 |
| 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) | 0,000 | 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 ».