Technical Efficiency of Malaysia’s Development Financial Institutions: Application of Two-Stage DEA Analysis
Notice bibliographique
Résumé
This paper investigates the technical, pure technical, and scale efficiency of 9 development financial institutions (DFIs) operating in Malaysia from 2006-2012 and factors affecting the efficiency of development financial institutions, using the two-stage data envelopment analysis (DEA). Results revealed that the mean technical efficiency of DFIs in Malaysia is 78 percent. Two banks namely BPMB and SCC are the benchmark banks identified by DEA scores. Results show that the role of scale inefficiency in overall technical inefficiency is comparatively less than managerial inefficiency. Results also show that only BPMB, SCC experienced constant returns to scale for the period 2006-2012, fulfilling their primary objective of contributing towards the socio-economy development of the state. BSN, a major saving institution, experienced decreasing returns to scale in 2009 and 2012. SME bank, whose mission is to develop SMEs, too experienced decreasing returns to scale during 2009-2010. CGC and Agro bank also experienced decreasing returns to scale in 2008-2009 and 2010-2012. In second stage, results of the OLS regression analysis provides that Loans to total assets, natural logarithm of total assets, Loan-Loss provision to total loans, non-interest income to total assets, return on assets and total shareholders’ equity to total assets are related to technical efficiency but loans to total assets, positively related to technical efficiency and significant and shows that banks with higher loan to asset ratios tend to have higher technical efficiency scores; non-interest income to total assets is negatively related to technical efficiency and significant revealing that development financial institutions which derive a higher proportion of income from non-interest sources tend to report lower efficiency scores. Return on assets are found significant in explaining the Malaysian development financial institutions efficiency from 2006-2012.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».