Is a country lucky to have natural resources? : a cross-country study of how mineral and fuel industries affect economic growth using panel data.
Notice bibliographique
Résumé
There is a body of empirical Literature finding that an abundance of natural resources actually hinders a country's economic growth. This is a counterintuitive result given the historical experience of countries such as Australia, Canada and the United States. Theories have also been developed to explain this empirical finding. One family of explanations incorporates the Dutch Disease into endogenous growth by assuming that an expansion of the resource sector changes the composition of output, which in turn determines productivity growth. The concern is that new theories are being developed without solid empirical evidence. Other prominent explanations for resource abundance hindering development include the Singer-Prebisch thesis, the prevalence external shocks and rent seeking due to the high and usually unequal distribution of the profits from these industries. In this study a data set using 54 countries with annual observations from 1983 to 2000 is used. A key advantage over previous research is the use of a more precise measure of resource abundance. The total rent earned from a country's mineral and fuel industries is used. Another important feature of this study is the investigation of how an expansion of the resources sector may affect growth several years after the expansion has occurred, as it provides a test of the new theories that make use of the Dutch Disease. Minimal support for resource abundance detracting from economic growth is found. The volatility of exports is unimportant. Countries rich in natural resources are not more prone to Government corruption. Finally, the more recent explanations involving the Dynamic Dutch Disease are rejected.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».