Reallocation of Credit, a Measure of Financial Activity, Has Yet To Bounce Back
Notice bibliographique
Résumé
is composed of four zones, each of which is centered around one of the four main cities: Little Rock, Louisville, Memphis and St. Louis. ach year, while thousands of businesses grow and succeed, many others weaken and shut down. These dynamics, in turn, are reflected in the flow of factors of production (i.e., labor and capital) that are constantly being reallocated among businesses. As stated by University of Maryland economics professor John Haltiwanger, the sorting of successful business endeavors from unsuccessful ones is a central and necessary part of our market economy, and it is essential that the public and policymakers understand this process. 1 Our previous studies show that the reallocation of employment has been low in the current recovery compared with what happened in past recoveries. 2 Business Employment Dynamics data from the Bureau of Labor Statistics reveal that employment turnover was significantly lower following the Great Recession than following the former two recessions, in 2001 and 1990. The same trend appears in the creation of startups. 3 By the first quarter of 2010, business closings declined to prerecession levels for both the nation and the Eighth District, but business formations were slower to recover. Although these studies analyze the behavior of the labor market and small firms (those entering and exiting), little is known about reallocation of resources among larger, more-established firms. This article concentrates on credit flows among publicly traded firms at the national level and also examines a sample of firms headquartered in the Eighth District. Studying the reallocation of financial resources (e.g., credit)
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 ».