MétaCan
Menu
Retour à la cohorte
Enregistrement W2105561819 · doi:10.5539/ass.v9n4p67

Do Local Firms Benefit from Foreign Direct Investment? An Analysis of Spillover Effects in Developing Countries

2013· article· en· W2105561819 sur OpenAlexvenueno aff
Stephan Gerschewski

Notice bibliographique

RevueAsian Social Science · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensnon disponible
Organismes subventionnairesHankuk University of Foreign Studies
Mots-clésSpillover effectForeign direct investmentMultinational corporationBusinessProductivityAbsorptive capacityCompetitor analysisDeveloping countryKnowledge spilloverInternational economicsIndustrial organizationInternational tradeEconomicsEconomic growthMarketing

Résumé

récupéré en direct d'OpenAlex

Developing countries are increasingly recipients of foreign direct investment (FDI). In this regard, governments are attempting to attract FDI due to the expected spillover effects, which relate to benefits in terms of increased productivity of local firms and technology diffusion from multinational enterprises (MNEs) to the domestic economy. However, it is generally not clear whether there are positive or negative spillover effects from FDI to local firms in developing economies. The purpose of this paper is to provide a review of the literature on spillover effects and linkages that arise from FDI in developing countries. Our review suggests that there tends to be negative intra-industry productivity spillover effects (i.e., spillovers between MNEs and local firms in the same industry). This may be explained by the fact that MNEs crowd out local competitors that are not able to compete against MNEs, and by the concept of “absorptive capacity” which implies that local firms may not be able to assimilate and absorb knowledge of MNEs. However, we find evidence for positive inter-industry spillovers through linkages between MNE affiliates and suppliers in different industry sectors which may be attributed to the benefits for MNEs in transferring knowledge and technology to their local suppliers. The study offers suggestions for future research.

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)0,000
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 enseignants0,819
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,010
Tête enseignante GPT0,238
Écart entre enseignants0,228 · 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

Citations38
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetInternational Business and FDITravaux en français237 207