For the variableAGE, we find a mono

For the variable
AGE, we find a monotonically and significantly increasing value
of business credit information, which is consistent with H2b. As explained
earlier, one possible explanation for this result is that there
are more cross-sectional and time-series data available (i.e., a higher
number of business partners and a higher number of repeated
interactions with the same business partner) for older firms than
for younger firms, allowing the older ones to establish a more reliable
payment history. For SALES, our proxy for firm size, we find an
improvement of default prediction accuracy in all terciles but no
significant differences between terciles. Thus, there is no evidence
supporting H2c. This is most likely due to the fact that we explicitly
focus on SMEs, which makes our sample deliberately homogeneous
in firm size. The positive effect of FIRMS_PER_EMPLOYEE
might be explained with the learning effect associated with soft
information production as suggested by H3b. However, using the
aggregate business credit information does not allow for a detailed
examination of the effects due to hard or soft information. We will
further analyze this issue in Section 4.4.

Results (Thai) 1:

สำหรับตัวแปร
อายุ เราค้นหาค่า monotonically และอย่างมีนัยสำคัญเพิ่ม
ธุรกิจข้อมูลเครดิต ซึ่งสอดคล้องกับ H2b ตามที่อธิบายไว้
ก่อนหน้านี้ หนึ่งผลลัพธ์นี้ได้อธิบายว่ามี
มีมากข้อมูลเหลว และ ลำดับเวลา (เช่น มาก
จำนวนพันธมิตรทางธุรกิจและของซ้ำ
โต้ตอบกับคู่ค้าทางธุรกิจเดียวกัน) สำหรับบริษัทเก่ากว่า
สำหรับบริษัทอายุ ให้คนเก่าเพื่อสร้างความน่าเชื่อถือมากขึ้น
ประวัติการชำระเงิน สำหรับการขาย ของพร็อกซีสำหรับขนาดของบริษัท เราพบการ
ปรับปรุงความแม่นยำทำนายเริ่มต้นใน terciles ทั้งหมดแต่ไม่มี
ความแตกต่างอย่างมีนัยสำคัญระหว่าง terciles ดังนั้น ไม่
สนับสนุน H2c จะมีโอกาสมากที่สุดเนื่องจากที่เราชัดเจน
เน้น SMEs ซึ่งทำให้ตัวของเราอย่างตั้งใจเหมือน
ขนาดของบริษัท ผลบวกของ FIRMS_PER_EMPLOYEE
อาจอธิบายได้ ด้วยผลการเรียนที่เกี่ยวข้องกับน้ำอัดลม
ผลิตข้อมูลแนะนำโดย H3b อย่างไรก็ตาม ใช้การ
รวมธุรกิจสินเชื่อข้อมูลไม่อนุญาตให้สำหรับการรายละเอียด
การตรวจสอบผลกระทบเนื่องจากการแข็ง หรืออ่อน เราจะ
วิเคราะห์ส่วน 4.4 เรื่องนี้เพิ่มเติม

Results (Thai) 2:

สำหรับตัวแปร
อายุเราพบว่ามูลค่า monotonically และอย่างมีนัยสำคัญเพิ่มขึ้น
ของข้อมูลเครดิตทางธุรกิจซึ่งมีความสอดคล้องกับ H2b ตามที่อธิบายไว้
ก่อนหน้านี้หนึ่งในคำอธิบายที่เป็นไปได้สำหรับผลนี้คือว่ามี
มากขึ้นตัดขวางและข้อมูลอนุกรมเวลาที่มีอยู่ (เช่นสูงกว่า
จำนวนของคู่ค้าทางธุรกิจและจำนวนที่สูงขึ้นของการทำซ้ำ
การสื่อสารกับคู่ค้าทางธุรกิจที่เหมือนกัน) สำหรับ บริษัท ที่เก่ากว่า
สำหรับ บริษัท ที่มีอายุน้อยกว่าปล่อยให้คนเก่าที่จะสร้างความน่าเชื่อถือมากขึ้น
ประวัติการชำระเงิน สำหรับขาย, พร็อกซี่ของเราสำหรับขนาดของ บริษัท เราจะพบ
การปรับปรุงความถูกต้องทำนายเริ่มต้นใน terciles ทั้งหมด แต่ไม่มี
ความแตกต่างอย่างมีนัยสำคัญระหว่าง terciles ดังนั้นไม่มีหลักฐาน
H2c สนับสนุน นี้เป็นส่วนใหญ่เนื่องจากความจริงที่ว่าเราอย่างชัดเจน
มุ่งเน้นไปที่ธุรกิจขนาดย่อมซึ่งจะทำให้ตัวอย่างของเราจงใจเหมือนกัน
ในขนาดของ บริษัท ผลบวกของ FIRMS_PER_EMPLOYEE
อาจจะอธิบายได้ด้วยผลการเรียนรู้ที่เกี่ยวข้องกับการอ่อน
ผลิตข้อมูลตามที่แนะนำโดย H3b อย่างไรก็ตามการใช้
ข้อมูลสินเชื่อธุรกิจรวมไม่อนุญาตให้มีรายละเอียด
การตรวจสอบของผลกระทบอันเนื่องมาจากข้อมูลที่แข็งหรืออ่อน เราจะ
ไปวิเคราะห์ปัญหานี้ในมาตรา 4.4

Results (Thai) 3:

สำหรับตัวแปร
อายุ เราหา monotonically มีเพิ่มค่า
ข้อมูลสินเชื่อธุรกิจ ซึ่งจะสอดคล้องกับ h2b ตามที่อธิบายไว้
ก่อนหน้านี้อธิบายหนึ่งที่เป็นไปได้สำหรับการมี
จะตัดมากขึ้นและข้อมูลอนุกรมเวลาที่มีอยู่ ( เช่น สูงกว่า
จำนวนพันธมิตรทางธุรกิจ และเป็นจำนวนที่สูงขึ้นของซ้ำ
การปฏิสัมพันธ์กับคู่ค้าทางธุรกิจเดียวกัน ) สำหรับ บริษัท ที่มีอายุมากกว่า
น้องบริษัท ให้คนรุ่นเก่าสร้างประวัติการชำระเงินที่เชื่อถือได้
เพิ่มเติม ขาย , พร็อกซี่ของเราขนาด บริษัท เราหา
ปรับปรุงความถูกต้องในการทำนายค่า
terciles แต่ไม่มีความแตกต่างที่สำคัญระหว่าง terciles . ไม่มีหลักฐานสนับสนุน h2c
.นี้เป็นส่วนใหญ่เนื่องจากความจริงที่ว่าเราอย่างชัดเจน
เน้น SMEs ซึ่งจะทำให้เราใช้เจตนาเป็นเนื้อเดียวกัน
ในขนาด ผลในเชิงบวกของ firms_per_employee
อาจจะอธิบายได้ด้วยผลของการเรียนรู้ที่เกี่ยวข้องกับข้อมูลการผลิตให้นุ่ม

h3b อย่างไรก็ตาม การใช้ข้อมูลธุรกิจสินเชื่อรวมไม่อนุญาตให้สำหรับรายละเอียด
การตรวจสอบผลกระทบจากข้อมูลหนัก หรือเบา เราจะ
เพิ่มเติม วิเคราะห์ปัญหานี้ในส่วน 4.4 .