MétaCan
Menu
Retour à la cohorte
Enregistrement W3026750406 · doi:10.1007/s10614-020-09993-1

Technological Change and Catching-Up in the Indian Banking Sector: A Time-Dependent Nonparametric Frontier Approach

2020· article· en· W3026750406 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueComputational Economics · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésFrontierConvergence (economics)EstimatorNonparametric statisticsEconomicsPanel dataStochastic frontier analysisEconometricsFinancial systemMonetary economicsMacroeconomicsMathematicsStatisticsGeography

Résumé

récupéré en direct d'OpenAlex

Abstract This paper investigates whether there has been any improvement in efficiency convergence of banks in India during the post-reform period considering bank ownership structures, using a balanced panel for 73 banks over the time period 1996–2014. Utilizing nonparametric frontier estimators, we compute time-dependent bank efficiency scores, which allow us to examine the dynamics of technological frontier and catch-up levels of Indian banks, and to explore the convergence patterns in the estimated efficiency levels. Our results signify that the state-owned banks, which dominate the banking activity in India, establish themselves as the best performers, ahead of the private, foreign and cooperative banks during post-2005. Even during the recent global financial crisis period, we find that bank efficiency levels increased, except for foreign banks which have had the greatest adverse impact. The convergence results show that heterogeneity is present in bank efficiency convergence, which points to the presence of club formation suggesting that Indian banks’ efficiency convergence is partly driven by the ownership structure.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil0,375

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,129
Tête enseignante GPT0,308
Écart entre enseignants0,179 · 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