Comparative Bootstrap DEA Technical Efficiencies and Determinant Factors: Evidence From the Islamic Banks of Bahrain and United Arab Emirates
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Applying the Bootstrap DEA method the paper obtained the technical efficiencies of the Islamic banks of Bahrain and the United Arab Emirates (UAE) using the panel data of 2011-2016. The paper found the 95 percent confidence interval mean bias-corrected overall technical efficiencies (OTEBC) of the Islamic banks of Bahrain was less than that of UAE. The OTEBC of Bahrain and UAE was 85.4 percent and 99.1 percent respectively suggesting the average inefficiency (14.6 percent) of the Islamic banks of Bahrain was higher than that (0.5 percent) of the UAE bank and the difference was significant. The paper applied the Simar-Wilson regression (both sided truncated) for determining the efficiency factors. The regression results of pooled data found that non-performance loan to total assets (NPLTA), loan to total assets (LOATA), profitability index (ROA), and bank-size (LOGTA) were significant factors. The regression results found that the efficiency of the Islamic banks was positively related to ROA and negatively related to NPLTA, LOANTA, DEPTA, and LOGTA. Results of regression, running the regression separately for Bahrain and UAE, confirmed the findings of pooled results. The country wise regression results of the Bahrain and UAE Islamic banks found that the NPLTA, LOATA, and LOGTA were significant factors and they are negatively related to the efficiency of the Islamic banks. The finding of this paper that LOANTA was negatively related to bank TE supported the finding of Zelenyuk (2015).
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.
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 | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle