2021 Report on nonemployer firms
Notice bibliographique
Résumé
The COVID-19 pandemic affected small businesses across the United States, with few escaping financial and operational challenges as a result of declines in economic activity and actions taken to reduce the spread of the virus. Among the most impacted firms were the smallest businesses—nonemployer firms—which are businesses with no employees other than the owner(s). Given nonemployers make up 81% of all small businesses in the United States, understanding the impact of the pandemic on those businesses and their ability to access emergency funding is important in assessing the overall well-being of the small business sector. This publication focuses on the experiences of nonemployer firms in the months leading up to the pandemic and the first six months of the crisis. The report supplements the findings from the 2020 Small Business Credit Survey (SBCS) described in the Small Business Credit Survey 2021 Report on Employer Firms, which explored outcomes for businesses with 1–499 paid employees other than the owner(s). Nonemployer firms are distinct from employer firms in more than just the employment size of the business. Nonemployers are concentrated in different industries and are more likely to be owned by women and people of color. While some nonemployers are gig workers supplementing their income, a majority of the respondents in the SBCS sample reported that their firm was the primary source of income for their household, and a quarter of them planned to become employer firms within the next year. This publication examines findings for nonemployer firms and highlights the differences in experiences between nonemployer and employer businesses. On average, nonemployer firms reported larger declines in performance in the 12 months preceding the survey than employer firms, and nonemployers also more often struggled to access the funding necessary to keep their businesses afloat. This report also underscores the importance of revenue size: Nonemployer firms with $100,000 or less in annual revenues faced more challenges and worse outcomes than larger-revenue nonemployers, which often reported conditions similar to those of smaller-revenue employer businesses.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,014 |
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 ».