Macroeconomic impact of FDI inflows: an ARDL approach for the case of India
Notice bibliographique
Résumé
This article investigates the dynamics of relationship between foreign direct investment (FDI) inflows and major macroeconomic variables, i.e. gross domestic product (GDP), exports and exchange rate for India. Using annual time series data, the empirical analysis has been carried out for the period 1980–2012. Using the most recent autoregressive distributed lag (ARDL) testing approach to cointegration proposed by Pesaran et al., 2001 Perron, P. (1989). The great crash, the oil price shock and the unit root hypothesis. Econometrica, 57, 1361–1401.doi:10.2307/1913712[Crossref], [Web of Science ®] , [Google Scholar], the study concludes that there is a strong evidence of long-run relationship between variables with GDP, FDI inflows and exports as the dependent variable. However, there is lack of evidence of long-run cointegration with exchange rate as a dependent variable. The results indicate bilateral positive and significant relationship between FDI inflows and GDP; and GDP and exports in the long run and short run. In contrast, the result analysis indicates negative impact of FDI inflows on exports in the long run. Moreover, exchange rate appreciation has a positive impact on FDI inflows and exports, but negative on GDP in the long run. The error-correction term (ECT) for the models signifies a fairly quick speed of adjustment to the equilibrium following a shock. Furthermore, the study also observes long-run causality running from the explanatory variables towards the respective dependent variables.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».