Islamic bank efficiency: an efficiency method with SFA
Notice bibliographique
Résumé
Judging from the financial ratios, the performance of Islamic banking in Indonesia was remarkably stable both before and during the Covid-19 pandemic. However, another thing is whether this condition could make Islamic banks continue to work effectively. This study aimed to measure the cost efficiency of Islamic commercial banks in Indonesia quarter I of 2019 – quarter IV of 2020 and analyze the influencing factors in cost efficiency. The study used a saturated sampling technique with a total sample of 14 Islamic commercial banks, while the efficiency level was determined using the Stochastic Frontier Analysis (SFA) method. It turns out that PT. Bank Muamalat Indonesia Tbk. has the highest efficiency value of 0.9284. Several banks with an efficiency value of more than 0.5 are PT. Bank Aceh Syariah, PT. Bank BNI Syariah, and PT. Bank Mega Syariah. In this study, only inflation variables affect efficiency. In contrast, bank size, Return on Assets (ROA), Net Operating Margin (NOM), Non-Performing Financing (NPF), Financing to Deposit Ratio (FDR) variables, Capital Adequacy Ratio (CAR), Gross Domestic Product (GDP), and the rupiah exchange rate don’t affect the efficiency. Overall, all the company's internal variables and environmental variables affect efficiency.
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 | 0,003 | 0,000 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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 ».