MétaCan
Menu
Retour à la cohorte
Enregistrement W2904365644 · doi:10.1177/0007650318816493

National Income Inequality and International Business Expansion

2018· article· en· W2904365644 sur OpenAlexaff
Nathaniel C. Lupton, Guoliang Frank Jiang, Luis Fernando González Escobar, Alfredo Jiménez

Notice bibliographique

RevueBusiness & Society · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensCarleton UniversityUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésEconomic inequalityForeign direct investmentEconomicsMultinational corporationInequalityAttractivenessTransaction costIncome distributionProduction (economics)Labour economicsInvestment (military)MicroeconomicsMacroeconomicsFinance

Résumé

récupéré en direct d'OpenAlex

We examine the extent to which host country income inequality influences multinational enterprises’ (MNE) expansion strategy for foreign production investment, depending on their specific strategic objectives. Applying a transaction cost framework, we predict that national income inequality has an inverted U-shaped relationship with foreign production investment. As inequality increases, MNEs accrue lower transaction costs arising from interactions with various local actors, leading to higher probability of investment. As income inequality increases further, its effect on location attractiveness will become negative, as its attraction effect is increasingly offset by additional monitoring, bargaining, and security costs owing to the more fractious nature of high inequality societies. In addition, we suggest that the impact of income inequality is contingent on investment objectives: The inverted U-shaped relationship is stronger for efficiency-seeking investment but weaker for market-seeking and competence-enhancing investments. We find substantial support for our hypotheses through an analysis of 27 years (1986-2012) of data on Japanese MNEs’ overseas production entries.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,404
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,001
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 Opus0,029
Tête enseignante GPT0,273
Écart entre enseignants0,244 · 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.

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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness & SocietyMême sujetInternational Business and FDITravaux en français237 207