MétaCan
Menu
Retour à la cohorte
Enregistrement W2059357297 · doi:10.5539/ibr.v7n12p44

Impact of Foreign Aid on Foreign Direct Investment in South Asia and East Asia

2014· article· en· W2059357297 sur OpenAlexvenueno aff
Rahim Quazi, Michael F. Williams, Rick Baldwin, Jermaine Vesey, Wayne E. Ballentine

Notice bibliographique

RevueInternational Business Research · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Development and Aid
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForeign direct investmentEast AsiaPanel dataDeveloping countryInternational tradeBusinessInternational economicsEstimationProductivityEconomicsDevelopment economicsChinaEconomic growthGeographyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

This study analyzes the impact of foreign aid on foreign direct investment (FDI) inflows in selected countries in East Asia and South Asia – two regions that have received huge foreign aid as well as FDI inflows. Theoretically, foreign aid can either facilitate FDI by funding projects that raise the marginal productivity of capital, or crowd out FDI as the number of investment opportunities in developing countries is usually limited. Using the FGLS (Feasible Generalized Least Squares) panel estimation methodology with 1995–2012 panel data from 7 East Asian and 7 South Asian countries, this study finds that the impact of foreign aid on FDI is significantly positive and robust across several model specifications. The estimated results also suggest that FDI is significantly affected by corruption control, rate of return, infrastructure, human capital, market potential, and political stability, and East Asia enjoys a locational advantage in attracting FDI vis-à-vis South Asia. These results further our knowledge of the foreign aid-FDI dynamics in developing countries.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,592
Score d'incertitude au seuil0,404

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,073
Tête enseignante GPT0,394
Écart entre enseignants0,321 · 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

Citations19
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetInternational Development and AidTravaux en français237 207