The Determinant of Financial Performance of Indian Public Sector Banks- A Panel Data Approach
Notice bibliographique
Résumé
In the accelerated development of an economy, the role of a vibrant banking system and financial structure is considered as highly indispensable. The banking sector is recognized as an important element to portrait the financial and economic strength of a country. The economic importance of the banking system may be considered in the form of capital formation, inspiring innovation, monetization, and facilitator of monetary policy. The present research work investigates the association between banks' profitability and the banks’ specific factors of Indian Public Sector Banks. The research work is based on secondary data drawn from annual reports of banks from the period of 2015 to 2019. The panel data regression statistical technique has been employed to vindicate the influence of explanatory variables viz. Capital Adequacy, Human Capital, Liquidity, Management Efficiency, Asset Quality, and Earning Quality, which have been employed as independent variables and Return on Equity, as the dependent variable. Panel data regression model results have reported that the regression coefficients are found statistically significant and the high value of adjusted R- square expresses the overall best fit of the fixed effects model. A significant positive relationship has been found between the financial performance of bank (ROE) and human capital, liquidity, management efficiency, and asset quality. Whereas capital adequacy and earning quality of the banks have an insignificant impact on the profitability of banks. Hence, the financial performance evaluation enables the banks to analyze their financial strength and to follow necessary protective initiatives for its sustainability.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| 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 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 ».