Bank Characteristics Effect on Capital Structure: Evidence from PMG and CS-ARDL
Notice bibliographique
Résumé
The main aim of this paper was to investigate the impact of bank characteristics on capital structure empirically. The study employed a panel data analysis, Pooled Mean Group (PMG) and Cross-Sectionally Augmented Autoregressive Distributed Lag (CS-ARDL) estimators were utilized, for the period spans between the years 2008 and 2018. Both the borrowing (leverage) ratio and equity ratio used in the analysis cover short-term deposits and long-term deposits as a fundamental determinant variable on the capital structure. The main findings confirm that the deposit ratio has a positive relationship with the size of the bank. In other words, big banks use more foreign sources than small banks to use the tax shield advantage. At the same time, a percentage increase in bank size and liquidity ratio enhance the bank deposit rate by 0.0068% and 0.479%, respectively, in the long-run, while a percentage change in interest income coverage will reduce the bank deposit rate by 0.004% in the long-run. Meanwhile, the significant causal relationship of growth rate with the bank deposit rate could not be established. In addition, the short-run coefficients of the variables reveal that size, interest coverage, and liquidity have a positive and significant causal relationship with bank deposit rate in the short-run. The findings of the study are in line with the results of capital structure theories, especially the hierarchy theory and balancing theory.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».