MétaCan
Menu
Retour à la cohorte
Enregistrement W2000177086 · doi:10.5539/ijef.v2n2p97

Saving-Investment Correlation and Capital Mobility in Sub-Saharan African Countries: A Reappraisal through Inward and Outward Capital Flows’ Correlation

2010· article· en· W2000177086 sur OpenAlexvenueno aff
Samba Michel Cyrille

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsDiversification (marketing strategy)Openness to experienceDeveloping countryForeign direct investmentCapital flowsCapital (architecture)Investment (military)International economicsMonetary economicsCapital outflowEconometricsCapital formationMacroeconomicsFinancial capitalHuman capitalGeographyBusiness

Résumé

récupéré en direct d'OpenAlex

This paper analyses the Feldstein-Horioka puzzle in 15 sub-Saharan African countries accounting for the correlation between inward and outward capital flows. Applying cross section, panel data, and even time series analyses, we show that our results are consistent with previous studies related to developing countries. More interesting, we confirm, for sub-Saharan African countries, the recent hypothesis of Georgepoulos and Hejazi (2009) that the Feldstein-Horioka home bias is unrelated to the correlation between inward and outward capital flows for developing countries. Although the saving-investment coefficient weakens in the correlation adjusted regression, we show that the coefficient on Flows, the variable which accounts for the correlation between inward and outward capital flows is always positive and insignificant. We argue that the downward movement in the saving-investment coefficient is due the omission of some factors (foreign aid and trade openness) which are relevant for developing countries in the framework of the Feldstein-Horioka analysis. We also state that our results are more likely to reflect the poor financial structure of the countries in our sample. Therefore, we suggest that policymakers in Sub-Sahara Africa should put more emphasis in creating and developing efficient financial market which could favor portfolio diversification.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,430
Score d'incertitude au seuil0,811

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,225
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetBanking stability, regulation, efficiencyTravaux en français237 207