The Relationship Between Economic Freedom, State Growth and Foreign Direct Investment in US States
Notice bibliographique
Résumé
Researchers have identified economic freedom, growth rate of the economy, per capita income, unemployment rate, etc as determinants of foreign direct investment (FDI) inflows into the United States as a country. Whether or not these economic variables also determine FDI at the states’ level is often excluded from the literature. This paper attempts to fill that gap by using a panel data from 1984 through 2007 for all 50 states. We employ the random effects regression model and find that both economic freedom and growth rate in each state are significant positive determinants of FDI inflows. This result is consistent with that of Ray (1989) who shows that high economic growth in the U. S. leads to more FDI inflows. Bengoa and Sanchez-Robles (2003), and Kapuria-Foreman (2007) document similar results for Latin American countries. In addition, we show that both per capita income and unemployment rate exhibit significant negative relations with FDI. These results are consistent with that of Edwards (1992) and Jaspersen, Aylward, and Knox (2000), but inconsistent with that of Tsai (1994) and Lipsey (1999). We attribute the negative relation between FDI and per capita income to the fact that states with higher per capita income tend to discourage FDI inflows since higher per capita income translates into higher wages. The observed inverse relation between FDI and unemployment rate is due to the fact that states with high unemployment rates are more prone to crime, and therefore deters risk-averse foreign investors from assuming a lasting interest in those states.
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 | 0,003 |
| 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 | 0,001 |
| 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 ».