MétaCan
Menu
Retour à la cohorte
Enregistrement W2594479319

Multinational Enterprises and Vietnam’s Exports: Comparing Economy-wide and Firm-level Evidence

2016· preprint· en· W2594479319 sur OpenAlexaboutno aff
Eric D. Ramstetter, Kien Trung Nguyen

Notice bibliographique

RevueInstitutional Repositories DataBase (IRDB) · 2016
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultinational corporationQuarter (Canadian coin)BusinessForeign direct investmentInternational tradeProduction (economics)International economicsEconomicsGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper examines the role of foreign multinational enterprises (MNEs) have played in Vietnam's exports in 1995-2014. Economy-wide estimates suggest MNE share of Vietnam's export grew from about one quarter to about two-thirds during this period. MNE shares of GDP were much smaller (6 to 18 percent); correspondingly export-production ratios were much (4.7 to 9.6 times) higher in MNEs than in the non-MNEs sector. If comparisons are limited to formal enterprises, wholly-foreign MNEs (WFs), which account for the vast majority of MNEs in Vietnam, tend to have relatively high export propensities and account for the vast majority of MNE exports. These data thus suggest that MNEs, and particularly WFs, make unusually large direct contributions to exports in Vietnam compared to other economic activities. On the other hand, these compilations cannot establish if export propensities differ significantly among ownership groups after accounting for other, related firm-level and industry-level characteristics. Most importantly, this paper highlights several substantial problems revealed by compilations of the firm-data which much be addressed before more reliable, rigorous analysis of the firm-level data will be possible.

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)0,009
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 enseignants0,034
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,052
Tête enseignante GPT0,270
Écart entre enseignants0,218 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstitutional Repositories DataBase (IRDB)Même sujetInternational Business and FDITravaux en français237 207