Moreover, we see that the marginal

Moreover, we see that the marginal value of soft information is
also related to firm characteristics. As stated in hypotheses H2a
and H2b it is higher for firms with limited liability and older firms.
Furthermore, soft business credit information becomes more useful for smaller firms, as indicated by the negative coefficient of
SALES. This finding is not consistent with the overall result shown
earlier. The value of soft business credit information decreases in
DISTANCE, which is in line with hypothesis H3a. Both results are
in line with findings from the banking literature (e.g., Petersen
and Rajan, 2002; Degryse and Ongena, 2005; DeYoung et al.,
2008; Alessandrini et al., 2009; Liberti and Mian, 2009). As we control for regional fixed effects in all regressions, the fact that credit
bureau offices are more likely to be located in urban areas where
firms and/or industries tend to be more profitable is an unlikely
explanation. Unlike for hard information, we obtain a signifi-
cantly negative coefficient for the mid-tercile dummy (T2) of
FIRMS_PER_EMPLOYEE. This result indicates a non-monotonic
u-shaped relation, which is support for hypothesis H3b. We find
benefits from soft information production arising from focus and
specialization (T1) as well as from learning and experience (T3).
We note that such non-monotonic pattern is not uncommon and
has been documented in various other contexts (e.g., Bandiera
and Rasul, 2006).

ผลลัพธ์ (ไทย) 1:

นอกจากนี้ เราเห็นว่า ค่ากำไรของข้อมูลอ่อน
ยัง เกี่ยวข้องกับลักษณะ firm ตามที่ระบุไว้ในสมมุติฐาน H2a
และ H2b สูงสำหรับ firms จำกัดและเก่า firms
นอกจากนี้ ข้อมูลสินเชื่อธุรกิจอ่อนกลายเป็นประโยชน์สำหรับ firms เล็ก ตามที่ระบุ โดย coefficient ลบของ
ขาย finding นี้ไม่สอดคล้องกับผลโดยรวมแสดง
ก่อนหน้านี้ ค่าของข้อมูลสินเชื่อธุรกิจอ่อนลดลงใน
ไกล ซึ่งเป็นตามสมมติฐาน H3a ผลทั้ง
โดย findings จากวรรณคดีธนาคาร (Petersen เช่น
และระ จัน 2002 Degryse และ Ongena, 2005 DeYoung et al.,
2008 Alessandrini et al., 2009 Liberti กเมี้ยน 2009) ขณะที่เราควบคุมสำหรับลักษณะพิเศษ fixed ภูมิภาคใน regressions ทั้งหมด ความจริงที่เครดิต
offices สำนักงานมีแนวโน้มที่จะตั้งอยู่ในเขตเมืองที่
firms และ/หรืออุตสาหกรรมมักจะ เป็น profitable มากกว่าไม่มีน่า
อธิบาย ซึ่งแตกต่างจากข้อมูลยาก เราได้รับ signifi แบบ
coefficient ลบ cantly สำหรับหุ่นกลาง tercile (T2) ของ
FIRMS_PER_EMPLOYEE ผลลัพธ์นี้บ่งชี้ว่า การไม่-monotonic
u รูปความสัมพันธ์ ซึ่งเป็นการสนับสนุนสมมติฐาน H3b เรา find
benefits จากข้อมูลนุ่มผลิตจากความ และ
เชี่ยวชาญ (T1) เป็นดีหน่วยการเรียนรู้ และประสบการณ์ (T3)
เราหมายเหตุว่า ไม่ใช่รูปแบบดังกล่าวไม่ใช่ monotonic และ
จัดทำเอกสารในบริบทต่าง ๆ อื่น ๆ (เช่น Bandiera
และ ปลอด 2006)

ผลลัพธ์ (ไทย) 2:

นอกจากนี้เราจะเห็นว่าค่าส่วนเพิ่มของข้อมูลที่อ่อนนุ่มเป็น
ยังเกี่ยวข้องกับลักษณะ RM ไฟ ตามที่ระบุไว้ในสมมติฐาน H2a
และ H2b มันเป็นที่สูงขึ้นสำหรับอา Fi สำหรับรับผิด จำกัด และผู้สูงอายุ RMS Fi
นอกจากนี้ข้อมูลสินเชื่อธุรกิจอ่อนจะกลายเป็นประโยชน์มากสำหรับขนาดเล็กอา Fi, ตามที่ระบุโดย COEF ลบไฟเพียงพอของ
การขาย Nding ไฟนี้ไม่สอดคล้องกับผลการดำเนินงานที่แสดง
ก่อนหน้านี้ ค่าของข้อมูลสินเชื่อธุรกิจนุ่มลดลงใน
ระยะที่อยู่ในสอดคล้องกับสมมติฐาน H3A ผลทั้งสองมีความ
สอดคล้องกับ ndings ไฟจากวรรณกรรมธนาคาร (เช่นปีเตอร์เสน
และราจาน 2002; Degryse และ Ongena 2005. DeYoung, et al,
2008; Alessandrini et al, 2009. Liberti และเฮอร์เมียน 2009) ในขณะที่เราควบคุมสำหรับผลถาวรในภูมิภาคถดถอยทุกความจริงที่ว่าเครดิต
บูโรของ ces ไฟมีแนวโน้มที่จะตั้งอยู่ในพื้นที่เขตเมืองที่
RMS ไฟและ / หรืออุตสาหกรรมที่มีแนวโน้มที่จะตารางไฟโปรมากขึ้นคือไม่น่า
คำอธิบาย ซึ่งแตกต่างจากข้อมูลที่ยากเราได้รับ Fi- นัยสำคัญ
นัยเชิงลบเพียงพอ COEF Fi สำหรับหุ่นกลาง tercile (T2) ของ
FIRMS_PER_EMPLOYEE ผลที่ได้นี้แสดงให้เห็นที่ไม่ต่อเนื่อง
อาคารรูปตัว U ความสัมพันธ์ซึ่งเป็นการสนับสนุนสำหรับสมมติฐาน H3b เรา Fi ครั้ง
ประโยชน์ไฟทีเอสจากการผลิตข้อมูลอ่อนที่เกิดจากการมุ่งเน้นและ
ความเชี่ยวชาญ (T1) รวมทั้งจากการเรียนรู้และประสบการณ์ (T3)
เราทราบว่ารูปแบบที่ไม่ต่อเนื่องดังกล่าวไม่ใช่เรื่องแปลกและ
ได้รับการรับรองในบริบทอื่น ๆ (เช่นประจำชาติ
และ ราซูล 2006)

ผลลัพธ์ (ไทย) 3:

นอกจากนี้ เราพบว่ามูลค่าส่วนเพิ่มของข้อมูลอ่อนคือ
ยังเกี่ยวข้องกับถ่ายทอดลักษณะ RM . ตามที่ระบุไว้ในข้อและ h2a
h2b มันสูงจึงมีความรับผิด จำกัด และข้อมูลเก่าจึง RMS .
นอกจากนี้ข้อมูลสินเชื่อธุรกิจนุ่มกลายเป็นมีประโยชน์มากขึ้นสำหรับ RMS จึงมีขนาดเล็กลง ตามที่ระบุโดยลบ coef จึง cient ของ
ขาย นี้จึงหาไม่สอดคล้องกับผลการดำเนินงานแสดง
ก่อนหน้านี้ ค่าของข้อมูลเครดิตธุรกิจนุ่ม
ระยะทางลดลง ซึ่งสอดคล้องกับสมมติฐาน h3a ทั้งผล
สายจึง ndings จากวรรณคดีและธนาคาร ( เช่น ปีเตอร์เซน
Rajan , 2002 ; degryse และ ongena , 2005 ; เดเยิ่ง et al . ,
2008 ; alessandrini et al . , 2009 และ liberti เมี้ยน , 2009 ) ขณะที่เราควบคุมจึงภูมิภาค xed ผลในทั้งหมดที่ใช้ได้แก่ ความจริงที่เครดิต
สำนักงาน CES จึงน่าจะเป็นที่ตั้งอยู่ในเขตเมืองที่
rms จึงและ / หรืออุตสาหกรรมมีแนวโน้มที่จะเพิ่มเติม Pro จึงตารางคำอธิบายยาก

ซึ่งแตกต่างจากข้อมูลที่ยาก เราจึงได้รับ signi -
ลดลงอย่างมีนัยสําคัญเมื่อลบ coef จึง cient สำหรับหุ่น tercile กลาง ( T2 )
firms_per_employee . ผลที่ได้นี้แสดงว่าไม่ใช่อย่างเดียว
รูปตัวยู ความสัมพันธ์ ซึ่งสนับสนุนสมมติฐาน h3b เราจึงหา
ดีจึง TS จากการผลิตข้อมูลอ่อนที่เกิดจากมุ่งเน้น
เฉพาะทาง ( T1 ) รวมทั้งจากการเรียนรู้และประสบการณ์ ( T3 )
เราทราบว่ารูปแบบดังกล่าวไม่ใช่อย่างเดียวไม่พิสดารและ
ได้รับการบันทึกไว้ในบริบทอื่น ๆ ( เช่น และ bandiera
rasul , 2006 )