Are there Asymmetric Causal Relationships between Tourism and Economic Growth in a Panel of G-7 Countries?
Notice bibliographique
Résumé
The aim of this paper is to analyse the relationship between tourism activity and economic performance for G-7 countries. This paper attempts to answer two questions. Firstly, it will look at whether economic growth causes increased tourism activity for Italy, Canada, Japan, France, the UK, the US and Germany. Secondly and most importantly, the paper will address the question of whether increased tourism activity causes economic growth for these countries. That is, the authors aim to examine whether the tourism led hypothesis is valid for any of these countries. This is done by applying the asymmetric panel causality test suggested by Hatemi-J (2011) to these countries for the period 1995-2012. This approach is an attempt to find out which tourism shocks, negative or positive, have a greater impact on economic performance and which of the GDP shocks have a greater impact on tourism activity for each country. The results show that there is a causal relationship between tourism activity and economic growth, with GDP actively causing tourism activity for Canada, Germany, France, Italy and Japan. In this case, Canada and Germany are the only two countries where a symmetric causal relationship is found. More importantly, the results further show that tourism activity causes GDP growth for Germany, France, Italy and US. Germany, France, and the US, however, are the only three countries where a symmetric causal relationship is found. Further, one could conclude that the TLGH is not valid for G-7 countries given that positive tourism activity shocks do not lead to positive economic output shocks for any of the 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».