To investigate the additional value

To investigate the additional value of different types of business
credit information, we now gradually extend our analysis, using (i)
a baseline model without business credit information, (ii) the baseline model plus two factors that reflect hard business credit information (payment history and creditworthiness), and (iii) a full
model, which includes the baseline factors, hard business credit
information, and soft business credit information (order book
and business outlook). A comparison of the cases (ii) and (i) informs about the marginal value of hard information and a comparison of the cases (iii) and (ii) informs about the extra marginal
value of soft information. The motivation for this specific order of
gradually adding hard and then soft business credit information
is that hard information is usually easy to collect, almost costless,
easy to store and to assess. Therefore, consistent with wide-spread
practice in the banking and credit rating industry, default prediction models typically first include public hard information and
are then extended by including private hard and private soft information (e.g., Treacy and Carey, 2000; Grunert et al., 2005). Table 5
reports the regression results.

ผลลัพธ์ (ไทย) 1:

การตรวจสอบเพิ่มเติมค่าแตกต่างของธุรกิจ
เครดิตข้อมูล เราตอนนี้ค่อย ๆ ขยายการวิเคราะห์ของเรา ใช้ (i)
แบบพื้นฐานไม่ มีข้อมูลสินเชื่อธุรกิจ, (ii) แบบพื้นฐาน บวกสองปัจจัยที่ reflect ยากธุรกิจข้อมูลเครดิต (ประวัติการชำระเงินและ creditworthiness), และ (iii) การ
รุ่น ซึ่งรวมถึงปัจจัยพื้นฐาน สินเชื่อธุรกิจยาก
ข้อมูล และข้อมูลสินเชื่อธุรกิจอ่อน (ใบสั่งจอง
และธุรกิจ outlook) การเปรียบเทียบกรณี (ii) และ (i) จะแจ้งให้ทราบเกี่ยวกับค่ากำไรข้อมูลยากและการเปรียบเทียบกรณี (iii) และ (ii) จะแจ้งให้ทราบเกี่ยวกับการเพิ่มกำไร
มูลค่าของข้อมูลอ่อน แรงจูงใจสำหรับใบสั่งนี้ specific ของ
ค่อย ๆ เพิ่มอย่างหนักและเบาแล้วธุรกิจข้อมูลเครดิต
คือว่า ข้อมูลยากง่ายเก็บ เกือบ costless,
ง่ายเก็บ และประเมิน ดังนั้น สอดคล้องกับทั้งวง
ฝึกในอุตสาหกรรมธนาคารและการจัดอันดับเครดิต เริ่มต้นแบบจำลองพยากรณ์ทั่ว first รวมข้อมูลสาธารณะยาก และ
ถูกขยายแล้วโดยส่วนตัวยาก และส่วนตัวอ่อนข้อมูล (เช่น Treacy และโชว์พลัง 2000 Grunert et al., 2005) ตาราง 5
รายงานผลการถดถอย

ผลลัพธ์ (ไทย) 2:

ในการตรวจสอบมูลค่าเพิ่มที่แตกต่างกันของธุรกิจ
ข้อมูลเครดิตตอนนี้เราค่อยๆขยายการวิเคราะห์ของเราโดยใช้ (i)
รูปแบบพื้นฐานโดยไม่มีข้อมูลสินเชื่อธุรกิจ (ii) รูปแบบพื้นฐานบวกสองปัจจัยที่สะท้อนให้ข้อมูลสินเชื่อธุรกิจยาก (ประวัติการชำระเงิน และน่าเชื่อถือ), และ (iii) เต็ม
รูปแบบซึ่งรวมถึงปัจจัยพื้นฐานสินเชื่อธุรกิจยาก
ข้อมูลและข้อมูลที่สินเชื่อธุรกิจนุ่ม (คำสั่งซื้อ
และแนวโน้มธุรกิจ) เปรียบเทียบกรณี (ข) และ (i) การแจ้งเกี่ยวกับค่าส่วนเพิ่มของข้อมูลอย่างหนักและการเปรียบเทียบกรณี (ค) และ (ii) แจ้งเกี่ยวกับขอบพิเศษ
มูลค่าของข้อมูลที่อ่อนนุ่ม แรงจูงใจสำหรับการสั่งซื้อนี้ไฟค speci ของ
ค่อยๆเพิ่มอย่างหนักและจากนั้นข้อมูลสินเชื่อธุรกิจนุ่ม
คือข้อมูลอย่างหนักมักจะเป็นเรื่องง่ายที่จะเก็บรวบรวม costless เกือบจะ
ง่ายต่อการจัดเก็บและการประเมิน จึงสอดคล้องกับในวงกว้าง
ปฏิบัติในการธนาคารและสินเชื่ออุตสาหกรรมคะแนนแบบจำลองการทำนายโดยทั่วไปเริ่มต้น fi แรกรวมถึงข้อมูลที่ยากของประชาชนและ
มีการขยายแล้วโดยรวมถึงข้อมูลที่นุ่มส่วนตัวอย่างหนักและเอกชน (เช่นเทรซีและแครี่, 2000; Grunert และคณะ 2005) ตารางที่ 5
รายงานผลการถดถอย

ผลลัพธ์ (ไทย) 3:

ตรวจสอบมูลค่าเพิ่มของประเภทที่แตกต่างกันของข้อมูลเครดิตธุรกิจ
ตอนนี้เราค่อยๆขยายการวิเคราะห์ของเรา , ใช้ ( I )
พื้นฐานแบบไม่มีข้อมูลสินเชื่อธุรกิจ ( II ) ( แบบบวกสองปัจจัยที่จะfl ect ยากเครดิตธุรกิจสารสนเทศ ( ประวัติการชำระเงินและ creditworthiness ) และ ( 3 ) แบบ เต็ม
ซึ่งรวมถึงปัจจัยพื้นฐาน ยาก
สินเชื่อธุรกิจข้อมูล ข้อมูล ธุรกิจ บัตรเครดิต นุ่ม (
สั่งซื้อหนังสือและแนวโน้มธุรกิจ ) การเปรียบเทียบกรณี ( 2 ) และ ( ฉัน ) แจ้งเกี่ยวกับมูลค่าส่วนเพิ่มของข้อมูลอย่างหนักและการเปรียบเทียบกรณี ( 1 ) และ ( 2 ) แจ้งเรื่องค่าขอบ
พิเศษของข้อมูลที่อ่อนนุ่ม แรงจูงใจนี้กาจึง C เพื่อ
ค่อยๆเพิ่มยากแล้วนุ่มข้อมูล
สินเชื่อธุรกิจเป็นข้อมูลที่ยากเป็นเรื่องง่ายที่จะเก็บ เกือบ costless
, ง่ายต่อการจัดเก็บ และประเมิน ดังนั้น สอดคล้องกับการกระจาย
กว้างในธนาคารและอุตสาหกรรมเครดิตเริ่มต้นแบบจำลองการคาดการณ์โดยทั่วไปจึงตัดสินใจเดินทางรวมข้อมูลยากสาธารณะและ
แล้วขยาย โดยรวมส่วนตัวยากและส่วนบุคคลข้อมูลอ่อน ( เช่น และ เทรซี่ แครี , 2000 ; grunert et al . , 2005 )ตารางที่ 5
รายงานการผล