MétaCan
Menu
Retour à la cohorte
Enregistrement W2887559979 · doi:10.3390/jrfm11030043

Do Better Political Institutions Help in Reducing Political Pressure on State-Owned Banks? Evidence from Developing Countries

2018· article· en· W2887559979 sur OpenAlexvenueno aff
Badar Nadeem Ashraf, Sidra Arshad, Liang Yan

Notice bibliographique

RevueJournal of risk and financial management · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePolitical Influence and Corporate Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoliticsExtant taxonDeveloping countryAccountabilityState (computer science)DemocracyPolitical economyComparative politicsGovernment (linguistics)Empirical evidenceFace (sociological concept)Political scienceEconomicsDevelopment economicsEconomic growthSociologySocial scienceLaw

Résumé

récupéré en direct d'OpenAlex

This study examines whether state-owned banks face political pressure and whether the improvement in political institutions alleviates this pressure. The theory of political benefits argues that politicians use state-owned banks for political purposes such as obtaining and maintaining political support. We reviewed extant empirical research and found that the existing evidence is mixed; some studies support while others reject the theory. In this backdrop, we analyzed a sample of 185 state-owned banks from 51 developing countries over the period 1998–2012 and provide renewed evidence supporting the theory. Specifically, we found that state-owned banks face significant political pressure in developing countries; that is, they lend more and earn less in election years. Next, we observed that the political pressure is prevalent only in the countries with weak political institutions. Strong political institutions in the form of higher constraints on policy change decisions of incumbent government and higher democratic accountability are helpful in eliminating political pressure on state-owned banks in developing countries.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,645
Score d'incertitude au seuil0,669

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 Opus0,036
Tête enseignante GPT0,278
Écart entre enseignants0,242 · 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'étudeThéorique ou conceptuel
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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetPolitical Influence and Corporate StrategiesTravaux en français237 207