MétaCan
Menu
Retour à la cohorte
Enregistrement W2999162856 · doi:10.5539/ibr.v13n2p62

Impact of Currency Redenomination on an Economy: An Evidence of Ghana

2020· article· en· W2999162856 sur OpenAlexvenueno aff
Bright Obuobi, Emmanuel Nketiah, Faustina Awuah, Fredrick Oteng Agyeman, Deborah Ofosu, Gibbson Adu‐Gyamfi, Mavis Adjei, Adelaide Gyanwah Amadi

Notice bibliographique

RevueInternational Business Research · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurrencyEconomicsInflation (cosmology)Descriptive statisticsIndex (typography)Government expenditureBalance of paymentsSample (material)Independence (probability theory)GlobalizationMacroeconomicsStatisticsMathematicsPublic finance

Résumé

récupéré en direct d'OpenAlex

The main objective of this study is to ascertain the impact of currency redenomination on the Ghanaian economy. Since independence in 1957, Ghana has had series of redenomination exercises but the recent one which became a debatable topic happened in 2007. As a result, the study is conducted to determine the pre and post-performance of the country using 2007 as the benchmark. This research takes into consideration the quantitative research technique based on ex-post factor design. Secondary data of the research variables (GDP, Economic growth, Balance of trade, inflation, FDI and Globalization index) were used over a 20-year period between 1997 and 2017. Analytical techniques of both descriptive statistics and independent sample test were used for the research. The t-test for equality of means adopted was to determine the statistically significant difference on the economic variables. The study also used the Levene’s test of equality of variance assumed. It was concluded that, currency redenomination is beneficial to an economy’s growth. It was therefore recommended that, the government of Ghana initiates policies that will boost local production to support the exercise so as to increase GDP and other associated economic 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 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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,410
Score d'incertitude au seuil0,739

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,243
Tête enseignante GPT0,413
Écart entre enseignants0,170 · 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.

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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetFiscal Policy and Economic GrowthTravaux en français237 207