• Download as CSVThe value of hard

• Download as CSVThe value of hard business credit information fully mirrors the results for the previous regression models, in which we included all four attributes of business credit information (columns (1) and (2)). Put differently, the hard business credit information is the key factor that drives our previous results. This finding has an interesting parallel to the recent research on sources of private information in banking (e.g., Mester et al., 2007 and Norden and Weber, 2010). Related studies document that proprietary information on credit line usage and checking account activity help banks better predict borrower defaults and manage their credit relationships with firms. Norden and Weber (2010) show that these benefits are most pronounced in the case of SMEs and individuals but rather weak for large firms. That result is consistent with our finding on the importance of hard business credit information, which initially was private information of the firm, its supplier, and their banks before it was shared with others through the credit bureau. We find a positive impact of FIRMS_PER_EMPLOYEE on the value of hard business credit information in model (2).

ผลลัพธ์ (ไทย) 1:

•ดาวน์โหลดเป็นค่า CSVThe ของข้อมูลสินเชื่อธุรกิจยากเต็มกระจกผลลัพธ์สำหรับโมเดลถดถอยก่อนหน้านี้ ซึ่งเราได้รวมคุณลักษณะทั้งหมด 4 ธุรกิจข้อมูลเครดิต (คอลัมน์ (1) และ (2)) ใส่แตกต่างกัน ข้อมูลสินเชื่อธุรกิจยากเป็นปัจจัยสำคัญที่ไดรฟ์ของผลลัพธ์ก่อนหน้านี้ ค้นหานี้มีคู่ขนานการวิจัยล่าสุดน่าสนใจแหล่งข้อมูลส่วนตัวในธนาคาร (เช่น al. Mester ร้อยเอ็ด 2007 และ Norden และ แบ่งแยก 2010) เอกสารที่เกี่ยวข้องศึกษาว่า ข้อมูลกรรมสิทธิ์บนบรรทัดใบลดหนี้การใช้งานและตรวจสอบบัญชีกิจกรรมช่วยเหลือธนาคารดีทำนายค่าเริ่มต้นการกู้ และจัดการสินเชื่อความสัมพันธ์กับบริษัท Norden และแบ่งแยก (2010) แสดงว่า ผลประโยชน์เหล่านี้จะออกเสียงมากที่สุดในกรณีของ SMEs และบุคคล แต่ค่อนข้างอ่อนสำหรับบริษัทขนาดใหญ่ ผลที่ได้สอดคล้องกับเราหาของยากข้อมูลทางธุรกิจสินเชื่อ ซึ่งเป็นข้อมูลส่วนตัวของบริษัท ผู้จำหน่าย และของพวกเขาเริ่มก่อนมันถูกใช้ร่วมกันกับผู้อื่นผ่านสำนักงานสินเชื่อ เราหาผลบวกของ FIRMS_PER_EMPLOYEE กับค่าของข้อมูลสินเชื่อธุรกิจยากในรูปแบบ (2)

ผลลัพธ์ (ไทย) 2:

•ดาวน์โหลดเป็นค่า CSVThe ข้อมูลสินเชื่อธุรกิจอย่างหนักอย่างเต็มที่สะท้อนผลสำหรับรุ่นที่ถดถอยก่อนหน้านี้ที่เรารวมทั้งสี่ลักษณะของข้อมูลสินเชื่อธุรกิจ (คอลัมน์ (1) และ (2)) ใส่ที่แตกต่างกันข้อมูลสินเชื่อธุรกิจอย่างหนักเป็นปัจจัยสำคัญที่ผลักดันผลการก่อนหน้านี้ การค้นพบนี้มีขนานที่น่าสนใจในงานวิจัยล่าสุดเกี่ยวกับแหล่งที่มาของข้อมูลส่วนบุคคลในธนาคาร (เช่น Mester et al., ปี 2007 และ Norden และเวเบอร์, 2010) การศึกษาที่เกี่ยวข้องกับเอกสารที่ข้อมูลที่เป็นกรรมสิทธิ์ในการใช้วงเงินสินเชื่อและการตรวจสอบการทำงานของบัญชีธนาคารดีขึ้นช่วยให้การคาดการณ์ค่าเริ่มต้นกู้และบริหารความสัมพันธ์เครดิตของพวกเขากับ บริษัท Norden และเวเบอร์ (2010) แสดงให้เห็นว่าผลประโยชน์เหล่านี้มีความเด่นชัดที่สุดในกรณีของ SMEs และบุคคล แต่ค่อนข้างอ่อนแอสำหรับ บริษัท ขนาดใหญ่ ผลที่สอดคล้องกับการค้นพบของเราเกี่ยวกับความสำคัญของข้อมูลสินเชื่อธุรกิจอย่างหนักซึ่งในขั้นต้นเป็นข้อมูลส่วนตัวของ บริษัท ซัพพลายเออร์ของตนและธนาคารของพวกเขาก่อนที่จะถูกใช้ร่วมกันกับคนอื่น ๆ ผ่านเครดิตบูโร เราพบว่าผลกระทบเชิงบวกของ FIRMS_PER_EMPLOYEE กับค่าของข้อมูลสินเชื่อธุรกิจอย่างหนักในรูปแบบ (2)

ผลลัพธ์ (ไทย) 3:

โหลดเพลง - เป็นค่า csvthe ข้อมูลเครดิตทางธุรกิจที่ยากอย่างกระจกผลสำหรับตัวแบบการถดถอยก่อนหน้านี้ ที่เราทั้งสี่ลักษณะของข้อมูลสินเชื่อธุรกิจ ( คอลัมน์ ( 1 ) และ ( 2 ) ทำให้แตกต่าง , ข้อมูลสินเชื่อธุรกิจอย่างหนักเป็นปัจจัยสำคัญที่ทำให้ผลงานของเราก่อนหน้านี้การค้นพบนี้มีที่น่าสนใจขนานกับงานวิจัยล่าสุดในแหล่งที่มาของข้อมูลส่วนบุคคลในธนาคาร ( เช่น Mester et al . , 2007 และ 2010 และทำให้เวเบอร์ ) การศึกษาที่เกี่ยวข้องกับเอกสารที่เป็นข้อมูลการใช้บัตรเครดิตและการตรวจสอบกิจกรรมของบัญชีธนาคารดีกว่าคาดการณ์ค่าเริ่มต้นของผู้กู้และช่วยจัดการความสัมพันธ์ของสินเชื่อกับบริษัทและทำให้เวเบอร์ ( 2010 ) แสดงให้เห็นว่าผลประโยชน์เหล่านี้จะเด่นชัดมากที่สุดในกรณีของ SMEs และบุคคลแต่ค่อนข้างอ่อนแอสำหรับ บริษัท ขนาดใหญ่ ผลที่สอดคล้องกับการค้นหาของเราในข้อมูลสำคัญของธุรกิจบัตรเครดิตอย่างหนัก ซึ่งเริ่มมีข้อมูลส่วนบุคคลของ บริษัท ผู้ผลิตของตนและของธนาคารก่อนที่จะถูกใช้ร่วมกันกับผู้อื่นผ่านเครดิตบูโรเราพบผลกระทบเชิงบวกของ firms_per_employee กับค่าของข้อมูลเครดิตทางธุรกิจที่ยากในรูปแบบ ( 2 )