MétaCan
Menu
Retour à la cohorte
Enregistrement W3124458664 · doi:10.1177/0148558x17724890

Bowling Alone, Bowling Together: Is Social Capital Priced in Bank Loans?

2017· article· en· W3124458664 sur OpenAlexafffund
Agnes Cheng, Jing Wang, Ning Zhang, Sha Zhao

Notice bibliographique

RevueJournal of Accounting Auditing & Finance · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensQueen's University
Organismes subventionnairesUniversity of Texas at DallasFeng Chia UniversityHong Kong Polytechnic UniversityQueen's UniversityNational Chengchi University
Mots-clésLoanSocial capitalBusinessCapital (architecture)Cost of capitalFinanceEconomicsDemographic economicsLabour economicsMarket economyPolitical science

Résumé

récupéré en direct d'OpenAlex

We investigate whether the societal-level social capital enjoyed by firms affects the cost of their bank loans. Employing a measure of societal-level social capital for U.S. counties, we find that firms with higher societal-level social capital are associated with lower loan spreads. To further identify causality, we explore two events: Using a sample of firms that relocate their headquarters for tax reasons, we find that firms that move to lower (higher) social capital counties experience a higher (lower) cost of bank loans following relocations. The second event was the terrorist attack on September 11, 2001. After the disaster, social capital in affected counties—mainly in the State of New York, the State of Virginia, and adjacent counties—increased through social capital building efforts. We show that firms headquartered in the affected counties experience significantly lower loan spreads than other firms after the attack. Our findings contribute to the understanding of how societal-level social capital promotes economic development through its impact on financing costs.

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)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,000
Communication savante0,0020,005
Science ouverte0,0020,001
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 Opus0,012
Tête enseignante GPT0,236
Écart entre enseignants0,225 · 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.

Devis d'étudeObservationnel
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

Citations39
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Accounting Auditing & FinanceMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207