加载中...
数据目录 · 共 64 个条目 · 20 个分类浏览简化目录
SSRD上市公司与资本市场5
政府与司法数据4
企业主体与全景画像4
人民数据1
人物数据1
劳动就业数据2
The Financial Consequences of Online Review Aggregators: Evidence from Yelp Ratings and SBA Loans
本文论证了在线评论聚合平台的财务与实体后果。本文利用断点回归设计，克服了Yelp评论与小企业管理局贷款结果之间的内生性关系，表明更高的粗略Yelp评分会带来更优的贷款条款和贷款表现。具体而言，Yelp评分提高半星，对应贷款利差下降25个基点，抵押品要求降低6%。当银行掌握的借款人信息较少时，这种效应更为显著。更高的Yelp评分也会带来消费者需求增加以及未来开设新门店的可能性上升。这些发现表明，在线评论聚合平台既影响消费者选择，也影响银行的融资决策。
Abstract
This paper demonstrates the financial and real consequences of online review aggregators. Exploiting a regression discontinuity design that overcomes the endogenous relationship between Yelp reviews and Small Business Administration loan outcomes, I show that higher coarse Yelp ratings lead to improved loan terms and performance. Specifically, a one-half-star increase in Yelp ratings corresponds to a 25-basis-point decrease in loan spread and 6% lower collateral requirements. The effects are more pronounced when banks have less borrower information. Higher Yelp ratings also contribute to increased consumer demand and the likelihood of future business openings. These findings indicate that online review aggregators influence both consumer choices and banks' financing decisions.
Yelp评分提高半星显著降低贷款利差25个基点。
基于SBA贷款样本与Yelp评分匹配数据，使用断点回归设计，以Yelp评分舍入阈值为断点，核心解释变量为评分是否向上舍入（I round up），被解释变量为贷款利差（贷款利率减月初基准利率）。结果表明，评分向上舍入使贷款利差降低约0.25个百分点，相当于约9%的融资成本节约。
Yelp评分提高半星使抵押品要求降低6%。
以抵押品金额占总贷款额的比例为被解释变量，断点回归结果显示，评分向上舍入的企业所需抵押品比例显著下降约2个百分点，相当于样本均值的6%。说明银行将Yelp评分作为借款人信用风险的参考信息，评分较高者可获得更宽松的抵押要求。
Yelp评分提高半星使贷款违约率相对均值降低45%。
以是否违约为被解释变量，断点回归结果表明，评分向上舍入的企业违约概率显著下降，相对样本均值降低约45%。以核销金额占比衡量贷款表现时，评分向上舍入的企业核销金额相对均值降低约76%。表明Yelp评分对贷款表现具有显著预测力。
当银行掌握借款人信息较少时，Yelp评分效应更强。
按企业与贷款银行距离及是否存在重复借贷关系分组。结果显示，对于距离银行较远（信息获取成本高）的企业，Yelp评分对贷款利差、抵押品、违约和核销的影响更强；对于有先前SBA贷款记录的借款人，交互项显著为正，说明重复借贷关系中银行对Yelp评分的依赖减弱，但总体效应仍然显著。
Yelp评分提高半星使消费者需求增加并提升未来开店概率约8%。
以企业下月收到Yelp评论数代理消费者需求，泊松回归显示评分向上舍入使评论数增加约0.35%，折合一年增加约4%。以企业次年是否在同一县同一Yelp行业开设新门店为被解释变量，评分向上舍入使开店概率提高约0.09个百分点，相对均值提高约8%。
核心解释变量
Yelp评分是否在舍入阈值处被向上舍入（I round up），即企业的未舍入平均评分相对既定半星阈值的位置决定其显示评分是否上调
被解释变量
贷款利差（贷款利率减月初基准利率）、抵押品比例（抵押品金额/贷款总额）、违约指示变量、核销金额占比、下月Yelp评论数、未来新开门店概率
样本与数据
Yelp平台企业与美国小企业管理局（SBA）7(a)贷款匹配样本，约19,898家企业、19,665笔贷款观测，Yelp数据覆盖2004–2016年，贷款表现数据延伸至2021年；另有企业–月面板约4,020万观测、企业–年面板约204万观测
识别方法 / 模型设定
利用Yelp平台将平均评分按预设阈值舍入为半星刻度的制度设计，采用断点回归设计（RDD），在舍入阈值两侧比较向上舍入与向下舍入企业，控制断点固定效应、年份固定效应、Yelp行业固定效应和县固定效应，并允许阈值两侧斜率不同
内生性及稳健性检验
在Online Appendix中进行了多项稳健性检验：使用阈值附近0.05、0.10、0.15等不同带宽；采用一至四阶多项式；加入county×year固定效应及Yelp行业和县聚类；McCrary密度检验排除评分操纵；使用不同阈值进行安慰剂检验；控制就业和信用评分；仅使用企业首笔贷款；使用评论数加权OLS和中位数分组等，结果保持一致
更多相关数据正在补充