An Empirical Analysis of Bank Efficiency in Gambia
Notice bibliographique
Résumé
This study evaluates the Technical Efficiency (TE), Pure Technical Efficiency (PTE) and Scale Efficiency (SE) of commercial banks in the Gambian banking sector. In the first stage, a non-parametric approach (DEA) is used to evaluate the relative efficiency of 12 banks from 2009 to 2017 based on “the production approach” of modeling bank efficiency. In the second stage the relationship between certain bank-specific and environmental variables and efficiency scores are examined by employing the Tobit regression model. The empirical analyses from the first stage reveals that about 42% of commercial banks were CRS technically efficient and 83% of them were VRS technically efficient in 2017. Only 42% of the banks were at the optimal size for their particular input–output mix, the remaining eight banks were scale inefficient. The level of overall technical efficiency of commercial banks in the Gambia accounted 86.5% in terms of TE, 93.1% in terms of PTE and 92.5% in terms of SE. The second stage analyses reveal that banks with the ability to charge lower interest on deposits and maintain higher interest rates on loans attain higher efficiency scores. Further, banks with large market share and market power in pricing their products can improve their efficiency levels. Lower liquidity risk is associated with higher efficiency scores. There is a weak evidence of negative association with bank size and efficiency, suggesting that smaller banks may obtain operational advantages that bring about higher efficiencies
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».