Le rôle du capital social en matière d’octroi de crédits bancaires aux PME
Bibliographic record
Abstract
Perçu comme une des contraintes majeures au développement et à la croissance, l’accès au crédit bancaire demeure une question d’actualité dans la formulation des politiques de promotion et d’encadrement de la PME. En effet, non seulement la PME est souvent caractérisée par une certaine nébulosité dans sa gestion, mais elle est aussi parfois incapable de présenter des éléments de garantie exigés par les banques. Le capital social est de plus en plus évoqué comme un instrument à même de réduire les coûts de transaction des banques dans la surveillance de leurs clients et, par conséquent, devrait amoindrir les désavantages de l’asymétrie d’information. Ainsi, en se situant dans un environnement caractérisé par de fortes asymétries d’information à l’instar de l’Afrique, cette étude examine l’aptitude du capital social à faciliter l’accès au crédit bancaire de la PME camerounaise. Les tests empiriques effectués à partir du modèle Logit multinomial sur la base d’un échantillon de 413 PME, font ressortir un effet positif et significatif de l’indice du capital social sur l’octroi du crédit bancaire, quel que soit le terme. Globalement, l’aptitude du capital social à faciliter l’accès au crédit bancaire passe par la réduction du degré d’opacité de la PME aux yeux du banquier.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.000 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".