MétaCan
Menu
Retour à la cohorte
Enregistrement W2796095129 · doi:10.5539/ijef.v10n5p67

Determinants of National Saving in Four West African Countries

2018· article· en· W2796095129 sur OpenAlexvenueno aff
Ignatius Abasimi, Agbassou Y. A. Martin

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsDistributed lagGross domestic productGross national incomeCointegrationPer capitaEconometricsReal gross domestic productShort runGross fixed capital formationMacroeconomicsDemography

Résumé

récupéré en direct d'OpenAlex

Saving is one of the preeminent integral of economic growth. The desideratum of this study is to investigate the determinants of national saving in four West African countries, namely, Ghana, Togo, Burkina Faso, and Cote d’ Ivoire. The study uses annual data from the World Bank database for the period 1997-2016. The Augmented Dickey-Fuller (ADF) test, Cumulative sum of residuals (CUSUM) test, and autoregressive distributed lag (ARDL) bounds test were used to examine the stationarity, stability, and cointegration of the variables respectively. ARDF model analysis was carried out to determine the short run and long run determinants of national saving in the studied countries. The long run results reveal that gross domestic product, per capita income and real interest rate has a statistically and significant positive effect on gross savings, were as age dependency ratio has a statistical, and insignificant negative relationship with gross saving. The short run results suggest that gross domestic product and per capita income possesses positive statistical significant effects on gross national savings.It is recommended that, in other to promote saving, growth and development, pragmatic and realistic economic policies should be formulated to strengthen all monetary and financial institutions in the respective countries.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,033
Tête enseignante GPT0,248
Écart entre enseignants0,215 · 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

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetFiscal Policy and Economic GrowthTravaux en français237 207