Does ownership structure affect firm performance? Evidence of Indian bank efficiency before and after the Global Financial Crisis
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
Abstract This paper investigates the relationship between bank ownership and efficiency before and after the 2008–2009 Global Financial Crisis. Using a sample of 58 Indian commercial banks from 2005 to 2017, we examine the interconnection between these factors in a dynamic data envelopment analysis (DEA) framework. We use an innovative modeling strategy based on a two‐stage dynamic DEA framework. The first stage employs the Dynamic Slack‐Based Measure model to measure bank efficiency, explicitly considering the effects of desirable and undesirable carry‐overs between consecutive periods. In a second stage, we perform a regression of the efficiency scores on bank ownership types and several other contextual factors, while also accounting for the presence of endogenous relationships between the variables involved. Our results show that foreign banks outperform their domestic competitors, with bank size and profitability being the main drivers. We also find that while foreign and state‐owned banks were more efficient than their rivals during the Global Financial Crisis, private banks recovered quickly, reaching the efficiency standards of state‐owned banks by 2017. The latter faced a prolonged decrease in efficiency, gradually losing their initial advantage over their private domestic counterparts. Our results are robust to alternative regression specifications, especially those aimed at addressing potential endogeneity issues. The applied methodology and the findings of our research should be of interest to scholars, bank managers, and policymakers. The latter, in particular, should be concerned about the medium‐term effects of reforms that unevenly affect banks with different ownership structures, especially in terms of bank resilience to aggregate shocks.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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