Micro Credit Performance of Banks under Swarnajayanti Gram Swarojgar Yojana in Dibrugarh District of Assam: An Econometric Analysis
Notice bibliographique
Résumé
The Swarnajayanti Gram Swarojgar Yojana (SGSY) scheme was introduced with the aim to alleviate poverty with a view to assisting the poor to bring them above the poverty line. The study is conducted to analyze seasonal variations in the quantitative time series data in micro credit performance of banks under SGSY scheme in the Dibrugarh district of Assam. The study uses the secondary sources of data. Statistical tools for the present study include compound annual growth rate, trend analysis, Pearson correlation coefficients and ANOVA for regression. It is inferred from the testing of hypothesis that banks operating in Dibrugarh district did not grant credit according to credit target fixed for the period 08-09 to 12-13. It is observed from the study that there is much variation in the growth of number of SHGs formed and amount of revolving fund received, revolving fund released, loan sanctioned, subsidy released and loan /Subsidy disbursement during third quarter 08-09 and second quarter 12-13 due to human forces. The econometric analysis of seasonal variation in micro credit performance of banks under SGSY reveals that that the majority of the F scores for the regression coefficients for each model are found to be statistically significant which in turn implies the overall significance of the model concerned. The cubic model is considered on the ground that the R square value of cubic model is greater than the other forms of models. Thus, cubic model fits the micro credit performance of banks in the time series data.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».