Efficiency of Microfinance providers in Pakistan: An Empirical Investigation
Notice bibliographique
Résumé
Purpose: The aim of this study is to assess the efficiency of microfinance institutions in Pakistan using quarterly data from microfinance connect of second quarter of 2006 and second quarter of 2016 for comparison of two different time span. To estimate efficiency of microfinance institutions in Pakistan, the Data Envelopment Analysis are employee. Out of 52 microfinance providers in Pakistan, only 15 microfinance institutions is sample across the industry based on profile of gross loan portfolio of each microfinance provider. to estimate the efficiency of microfinance providers in Pakistan (i.e. constant returns to scale, variable returns to scale and scale efficiency), Malmquist productivity Index and total factor productivity of the microfinance institutions, two input variables(loan amount disbursed, total staff) and output variables (gross loan portfolio and number of active borrowers) are used. The results of the study conclude that MFIs in Pakistan are working below their optimum scales measurements and only one microfinance provider (Khushali Bank) out of 15 in our sample in 2007 and (Thardeep rural support program) in 2016 works on efficient frontier and while others are inefficient. It recommended that the institutions should increase loan amount disbursed and invest resources to the train their staff. Moreover, microfinance providers should expand by increasing number of offices to assist community.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».