Financial depth and the trade openness-economic growth nexus
Notice bibliographique
Résumé
Purpose The purpose of this paper is to shed light on the age-old trade-and-economic-growth controversy. The authors do so by utilizing the data relating to the G-20 countries between 1988 and 2013. Design/methodology/approach The authors seek to establish the formal statistical links between openness to trade and economic growth in the context of interactions with financial depth, gross capital formation, and foreign direct investment. The authors use a panel vector autoregressive model to obtain the estimates. The authors check for the robustness of the results. Findings The authors find that all the variables are cointegrated. That is, there is a long-run equilibrium relationship between the variables. Moreover, trade openness, financial depth, gross capital formation, and foreign direct investment are all causative factors for the economic growth of the G-20 countries in the long run. At the same time, the short-run results demonstrate that there is a myriad of causal links between these variables. Practical implications The decision makers in the G-20 countries wishing to encourage economic growth in the long run should pay close attention to trade openness, financial depth, gross capital formation, and foreign direct investment inflows to their countries. Originality/value The authors study an important group of countries over a long span of time, using advanced panel data techniques. The results demonstrate that future studies on economic growth that do not simultaneously consider trade openness, financial depth, foreign direct investment, and gross capital formation will offer biased or misguided results.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».