Community influence on microfinance loan defaults under crisis conditions: Evidence from Indian demonetization
Notice bibliographique
Résumé
Abstract Research Summary The microfinance “group lending” approach has achieved widespread success in promoting high rates of repayment, and thus the viability of financial access, in very low‐income environments. Yet group lending, which relies on social connections between borrowers to reinforce repayment, may be vulnerable under crisis conditions in which defaults are commonplace. We explore this possibility in the context of the liquidity crisis that followed India's 2016 demonetization policy. Using proprietary data on the repayment behavior of about two million microfinance borrowers, we find evidence of disproportionate localization of defaults within lending communities. Further analysis reveals evidence consistent with borrower‐to‐borrower spread of defaults not only through formal joint‐liability connections but also through informal community‐level connections, the latter effect being especially pronounced for borrowers from the same religion. Managerial Summary Microfinance lenders have successfully employed a “group lending” approach that holds borrowers within a small group responsible for each other's loans, thus creating strong social pressures for repayment. The findings of this study underscore potential vulnerabilities in the group lending model during economic crises. We analyze the loan repayment behavior of two million microfinance borrowers during a liquidity crisis precipitated by India's 2016 demonetization policy, finding that the resulting defaults were clustered within particular lending communities. Further analysis suggests that social processes within communities played a role in spreading defaults, not only through formal ties between borrowers who were responsible for each other's repayments, but also through informal social ties. The estimated effect of informal social ties was particularly strong for borrowers who shared the same religion.
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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».