MétaCan
Menu
Retour à la cohorte
Enregistrement W2141525663 · doi:10.5430/ijfr.v4n2p115

Role of Financial Development in Economic Growth: Evidence from Savings and Credits Cooperative Societies in Tanzania

2013· article· en· W2141525663 sur OpenAlexvenueno aff
Xuezhi Qin, Benson Otieno Ndiege

Notice bibliographique

RevueInternational Journal of Financial Research · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education of the People's Republic of ChinaNational Science Foundation
Mots-clésEconomicsGranger causalityTanzaniaPer capitaReal gross domestic productGross domestic productBroad moneyFinanceMonetary economicsMacroeconomicsInterest rateEconometrics

Résumé

récupéré en direct d'OpenAlex

In this paper we examine the role of Savings and Credits Cooperative Societies (SACCoS) in the economic growth of Tanzania by answering two main questions. First, are financial services in SACCoS significant factors for economic growth? Second, are financial services in SACCoS Granger causing economic growth? We use credits-real GDP per capita ratio and savings-real GDP per capita ratio as proxy measures for financial services and real GDP per capita for economic growth. We employ Newey-West standard errors regression model and Wald Granger causality tests in analysis. The sample period is 1990-2012. Data are from the Ministry of Agriculture, Food and Cooperatives, World Economic Outlook (WEO) database, International Monetary Fund (IMF). The findings show that, there is a strong positive association between the financial services and the economic growth, also there istwo-ways Granger causality between them. However, we find out that savings are much important in fostering economic growth as compared to credits/loans. These criteria make SACCoS the distinct microfinance institutions in the economic development in Tanzania and therefore should be promoted with more emphasis on the savings objective.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,056
Tête enseignante GPT0,312
Écart entre enseignants0,256 · 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 source (Gemma direct ou Codex distillé), 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

Citations28
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetMicrofinance and Financial InclusionTravaux en français237 207