MétaCan
Menu
Retour à la cohorte
Enregistrement W2029529093 · doi:10.5539/ijef.v4n2p260

The Effects of Board Size on Financial Performance of Banks: A Study of Listed Banks in Nigeria

2012· article· en· W2029529093 sur OpenAlexvenueno aff
Olubukunola Ranti Uwuigbe, A. S. Fakile

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceAccountingBusinessStock exchangeOn boardAgency (philosophy)Value (mathematics)Financial sectorFinanceEngineering

Résumé

récupéré en direct d'OpenAlex

A critical review of the Nigerian banking system over the years shows that one of the problems confronting the sector has been that of poor corporate governance. In an attempt to investigate the linkage between corporate governance and financial performance of banks, this study contributed to the existing literature by assessing the effect of size of boards on the performance of banking sector in a developing economy like Nigeria. This study made use of a range of data drawn from the Nigerian Stock Exchange fact book (2008), which contains information on board size and the performance proxies. Regressing performance on board size, it was observed that banks with board size below 13 are more viable than those with board size above 13. The study further observed that banks with larger boards recorded profits lower than those with smaller boards. Therefore, this study concludes that there is a significant negative relationship between board size and bank financial performance with a t- value of -1.977 and a p- value of 0.053. This is because, increase in board size occurs with increase in agency problems (such as director free-riding) within the board and the board becomes less effective. However, the paper recommends a smaller board size for better financial performance and to reduce the problem of free-rider of banks in Nigeria.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,296

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetCorporate Finance and GovernanceTravaux en français237 207