MétaCan
Menu
Retour à la cohorte
Enregistrement W3121846418 · doi:10.22004/ag.econ.28413

Group versus Individual Liability: A Field Experiment in the Philippines

2006· article· en· W3121846418 sur OpenAlexaff
Xavier Giné, Dean Karlan

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2006
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésLiabilityBusinessJoint and several liabilityDatabase transactionMicrofinanceIncentiveProfitability indexTransaction costFinanceEconomicsLegal liabilityEconomic growthMarket economy

Résumé

récupéré en direct d'OpenAlex

Group liability is often portrayed as the key innovation that led to the explosion of the microcredit movement, which started with the Grameen Bank in the 1970s and continues on today with hundreds of institutions around the world. Group lending claims to improve repayment rates and lower transaction costs when lending to the poor by providing incentives for peers to screen, monitor and enforce each other's loans. However, some argue that group liability creates excessive pressure and discourages good clients from borrowing, jeopardizing both growth and sustainability. Therefore, it remains unclear whether group liability improves the lender's overall profitability and the poor's access to financial markets. We worked with a bank in the Philippines to conduct a field experiment to examine these issues. We randomly assigned half of the 169 pre-existing group liability "centers" of approximately twenty women to individual-liability centers (treatment) and kept the other half as-is with group liability (control). We find that the conversion to individual liability does not affect the repayment rate, and leads to higher growth in center size by attracting new clients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,719
Score d'incertitude au seuil0,743

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,299
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetMicrofinance and Financial InclusionTravaux en français237 207