Intellectual Capital and Performance of Banking and Financial Institutions in Panama: An Application of the VAIC™ Model
Notice bibliographique
Résumé
In the knowledge era, intellectual capital has been considered a key factor in creating value within organisations. This study examines the relationships and interactions between the components of intellectual capital and the profitability of Panamanian banking and financial institutions listed on the Latin American Stock Exchange (LATINEX) from 2014 to 2020. A theoretical framework based on agency theories, signalling theory, and stakeholder theory was employed to support the results. The Valued-Added Intellectual Coefficient (VAIC)™ model, which evaluates the intellectual capital of organisations based on information from financial statements, was also utilised. In this study, stepwise regression was applied to select the optimal number of predictors to be included in each multiple regression model to examine the relationship between the return on equity (ROE) and the components of the VAIC™ in addition to control variables such as size and indebtedness. The findings confirm this study’s hypothesis, demonstrating that the structural capital efficiency (SCE) and company size (SIZE) variables explain 57% of the variance in the ROE for the analysed institutions. The results suggest that the intellectual capital (IC) of financial sector institutions listed on LATINEX is significantly influenced by the SCE coefficient, which shows a negative relationship, suggesting that investment in structural capital does not enhance profitability. On the other hand, larger institutions exhibited higher profitability during the study period. This study was limited to the analysis of two sectors: banking and finance in companies listed on LATINEX. However, its rigorous theoretical and empirical foundation opens the way for future research in which other sectors can be considered, and cross-country comparisons can be made, strengthening the research in this field for Latin America. At the same time, this study offers market regulators a scientific methodology to oversee the activities of issuing companies.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».