MétaCan
Menu
Retour à la cohorte
Enregistrement W2337157489 · doi:10.5539/ibr.v9n7p12

Does Conditionality on Borrowing Help?

2016· article· en· W2337157489 sur OpenAlexvenueno aff
Prince Eyi-Mensah

Notice bibliographique

RevueInternational Business Research · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueEconomic Growth and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConditionalityDebtDeveloping countryCorporate governanceEconomicsIntuitionExternal debtPanel dataInternational economicsFinancial systemMonetary economicsBusinessFinanceMacroeconomicsPolitical scienceEconomic growthPolitics

Résumé

récupéré en direct d'OpenAlex

<p>Borrowers of international financial institutions (IFIs) have both interest and conditionality to deal with. Using data from the World Governance Indicators (WGI), we investigated the influence of conditionality on borrowers. By applying a (RED) dynamic panel regression method, we found compelling evidence, which supports our intuition that conditionality increases the debt burden of borrowing countries. However, this was not the case for all the indebted countries. Heavily indebted poor countries (HIPC) had some of their external commitments reduced when they agreed to implement some sets of conditionality. In light of these findings, we posit that the advocated structural reforms which is used, as a justification for prescribing conditionality does not materialize as planned. It however, erodes the capacity of borrower countries toward their debt servicing obligations. A direct consequence is their (RED) incessant need for external development assistance. Results of the study also proved robust.</p>

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,700
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,353
Écart entre enseignants0,288 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetEconomic Growth and DevelopmentTravaux en français237 207