What factors influence firm perceptions of labour market constraints to growth in the MENA region?
Notice bibliographique
Résumé
Purpose – Labour market constraints constitute prominent obstacles to firm development and economic growth of countries located in the Middle East and North Africa (MENA) region. The purpose of this paper is to examine the implications of firm characteristics, national locations, and sectoral associations for the perceptions of firms concerning two basic labour market constraints: labour regulations and labour skill shortages. Design/methodology/approach – The empirical analysis is carried out using firm-level data set sourced from the World Bank’s Enterprise Surveys database. A bivariate probit estimator is used to account for potential correlations between the errors in the two labour market constraints’ equations. The authors implement overall estimations and comparative cross-country and cross-sector analyses, and use alternative estimation models. Findings – The empirical results reveal some important implications of firm characteristics (e.g. firm size, labour compositions) for firm perceptions of labour regulations and labour skill shortages. They also delineate important cross-country and cross-sector variations. The authors also find significant heterogeneity in the factors’ implications for the perceptions of firms belonging to different sectors and located in different MENA countries. Originality/value – Reforms in labour regulations and investment in human capital are important governmental policy interventions for promoting firm development and economic growth in the MENA region. This paper contributes to the empirical literature by analysing the factors influencing the perceptions of firms located in the MENA region concerning labour regulations and labour skill shortages. It provides policy-makers with information needed in the design of labour policies that attenuate the impacts of labour market constraints and enhance the performance of firms and the long-run economic growth.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».