Effects of Ownership Structure on Intellectual Capital: Evidence from Publicly Listed Banks in Bangladesh
Notice bibliographique
Résumé
This study explored the impacts of ownership structure (OS) on intellectual capital (IC) and its components. Data were gathered from 31 Dhaka Stock Exchange-listed banks for five years, from 2017 to 2021, consisting of 155 observations as balanced panel data. The study used the modified value-added intellectual coefficient (MVAIC) model to track the IC efficiency. The robust fixed effects model was employed for regression analysis to test the hypotheses. The research found that sponsor director ownership is negatively associated with the MVAIC, human capital efficiency (HCE), and structural capital efficiency (SCE) but positively with relational capital efficiency (RCE). High institutional and public ownership are positively linked with SCE but negatively with RCE. Foreign ownership is only positively associated with banks’ MVAIC and HCE. The regression results showed that high institutional ownership (IO) significantly enhanced the MVAIC and HCE. Foreign and public ownership positively influenced banks’ MVAIC, HCE, and capital employed efficiency (CEE) but negatively impacted RCE. The findings of this study will help banks’ policymakers with ownership mixes for the optimum utilization of banks’ resources. Management may assess IC’s efficiency level for proper supervision and use of knowledge resources to boost bank profitability. Also, the findings will help investors make prudent investment decisions. This is the first study to focus on OS and IC with diverse elements in Southeast Asia, especially Bangladesh, an emerging market.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,003 | 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 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 ».