Credit commercial et limitation du credit des entreprises canadiennes
Bibliographic record
Abstract
Burkart et Ellingsen (2004) ont élaboré un modèle de crédit commercial et de limitation du crédit bancaire selon lequel les entreprises à faible ou moyenne rentabilité auraient recours au crédit commercial pour atténuer les effets de limitation du crédit bancaire. Nous testons cette prédiction et plusieurs autres produites par ce modèle à partir d'un vaste échantillon composé de plus de 28 000 entreprises canadiennes. Au lieu de choisir arbitrairement les entreprises susceptibles de voir leur crédit limité, nous faisons appel à une méthode endogène pour classer les entreprises de l'échantillon selon leur rentabilité. Les données confirment assez nettement les principales prédictions du modèle de Burkart et Ellingsen. Nous constatons que les entreprises ayant une rentabilité moyenne substituent le crédit commercial au crédit bancaire, sans doute dans le but d'atténuer l'incidence de la limitation du crédit bancaire. Dans le cas des entreprises peu rentables, le crédit commercial est corrélé positivement avec le crédit bancaire, ce qui tend à indiquer que ce groupe subit des contraintes à la fois sur le marché du crédit bancaire et sur celui du crédit commercial et qu'il ne peut recourir autant à ce dernier pour amortir les chocs négatifs. Autre conclusion : rares seraient les entreprises canadiennes, même parmi les plus rentables, à n'être soumises à aucune contrainte d'emprunt. Enfin, les entreprises peu rentables qui accusent une baisse d'activité et se heurtent à de grosses difficultés accordent proportionnellement plus de crédit commercial que celles en meilleure santé financière.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.003 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".