Les IDE dans les pays d’Europe centrale et orientale : une approche gravitationnelle
Notice bibliographique
Résumé
Cet article s’intéresse aux déterminants des investissements directs étrangers (IDE) européens dans les pays d’Europe Centrale et Orientale (PECO). Nous utilisons un modèle théorique permettant d’étudier les décisions des Firmes Multinationales. Deux estimations ont été effectuées : une coupe transversale sur la période (1996-2013) complétée par une méthode SURE (Seemingly Unrelated Regressions Method). Les variables macroéconomiques retenues (distance, intensité technologique, taille du marché, risque pays…) ont un impact déterminant sur les flux d’IDE, mais avec des résultats différenciés selon la méthode utilisée. Depuis le début des années 1990, l’attractivité des pays de l’Est est liée en grande partie aux perspectives ouvertes par leur adhésion à l’Union européenne, le choix de la méthode de privatisation des entreprises publiques a aussi joué un rôle. Pour les coûts salariaux les résultats obtenus sont plus ambigus : selon la coupe transversale l’impact est négatif et significatif, en revanche dans la méthode SURE, les résultats sont moins significatifs.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».