MétaCan
Menu
Retour à la cohorte
Enregistrement W2380054896 · doi:10.34989/swp-2016-13

Government Corruption and Foreign Direct Investment Under the Threat of Expropriation

2021· preprint· en· W2380054896 sur OpenAlexafffund

Notice bibliographique

RevueEconstor (Econstor) · 2021
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueCorruption and Economic Development
Établissements canadiensBank of Canada
Organismes subventionnairesQueen's University
Mots-clésExpropriationForeign direct investmentLanguage changeGovernment (linguistics)BusinessPolitical riskInvestment (military)PoliticsInternational economicsMarket economyEconomicsPolitical scienceMacroeconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Foreign investment is often constrained by two forms of political risk: expropriation and corruption. We examine the role of government corruption in foreign direct investment (FDI) when contracts are not fully transparent and investors face the threat of expropriation. Using a novel dataset on worldwide expropriations of FDI over the 1990–2014 period, we find a positive relationship between the extent of foreign investor protections and the likelihood of expropriation when a country’s government is perceived to be highly corrupt, but not otherwise. We then develop a theory of dynamic FDI contracts under imperfect enforcement and contract opacity in which expropriation is a result of illicit deals made with previous governments. In the model, a host-country government manages the FDI contract on behalf of the public, which does not directly observe government type (honest or corrupt). A corrupt type is able to extract rents by encouraging hidden investments in return for bribes. Opportunities for corrupt deals arise from the distortions in the optimal contract when the threat of expropriation is binding. Moreover, a higher likelihood of the government being corrupt increases the public’s temptation to expropriate FDI, magnifying investor risk. The model predicts that expropriation is more likely to occur when the share of government take is low and following allegations of bribes to public officials, and it suggests an alternative channel through which corruption reduces optimal foreign capital flows.

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)0,002
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,030
Tête enseignante GPT0,263
Écart entre enseignants0,233 · 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

Citations14
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetCorruption and Economic DevelopmentTravaux en français237 207