MétaCan
Menu
Retour à la cohorte
Enregistrement W2573399003 · doi:10.5539/ijef.v9n2p58

Investigating the Effects of Migrant Remittances on the Economic Growth of Cameroon

2017· article· en· W2573399003 sur OpenAlexvenueno aff
Moses Abit Ofeh, Ali T. Muandzevara

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsInvestment (military)Consumption (sociology)Value (mathematics)Government expenditureOrdinary least squaresGovernment (linguistics)Regression analysisDemographic economicsDevelopment economicsEconometricsMacroeconomicsStatisticsMathematicsPolitical sciencePolitics

Résumé

récupéré en direct d'OpenAlex

Low and unsteady economic growth rates and strategies for fostering growth are major issues of concern for Cameroon. The paper attempted to investigate the effects of remittances on the economic growth of Cameroon. To achieve the objective for a clearer understanding of the dynamics of migrant remittances in relation to economic growth in Cameroon, the least squares method of multiples regression was exploited to analysze data collected from 1980 to 2013. The results revealed that migrant remittances to the tune of 1.5% positively but insignificantly explained economic growth in Cameroon.Further, consumption expenditure; government expenditure and exports were found to positively but significantly explain growth while investment expenditure was found to positively but insignificantly determine growth. Only imports alone stood to negatively and significantly influence economic growth in Cameroon.The value of R-squared Adjusted showed that 85% of variation in GDP was explained by variations in the independent variables specified in the model. Therefore, any policy measure aimed at improving upon the level of economic growth in Cameroon must give consideration to migrant remittances.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,575
Score d'incertitude au seuil0,139

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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,264
Écart entre enseignants0,250 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetMigration and Labor DynamicsTravaux en français237 207