MétaCan
Menu
Retour à la cohorte
Enregistrement W3046902001 · doi:10.5539/jsd.v13n4p129

Reassessing the Impact of Financial Services on Urban Manufacturing Firms: An Impact Evaluation Method in Ethiopia

2020· article· en· W3046902001 sur OpenAlexvenueno aff
Zerayehu Sime Eshete, Bisrat Legesse Kidane

Notice bibliographique

RevueJournal of Sustainable Development · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFinancial intermediaryBusinessFinanceProfit marginFinancial servicesIndustrialisationEconomicsMarket economy

Résumé

récupéré en direct d'OpenAlex

The stock of financial literature reveals emerging and conflicting stands on the effect of finance on the performance of the economy. The previous thoughts considered finance into account as an important driving force to growth through its role in intermediation, reduction of transaction costs and risk, and efficient uses of resources. Nevertheless, the newly emerging thoughts focus on the vanishing effect of finance due to its stiff competition over resources with the rest of the economy. The dialogues also reflected in the process of industrialization and promoting the manufacturing sector. Therefore, the general objective of this study is to reexamine the impact of financial services on the performance of manufacturing firms in Ethiopia with a special focus on firms in Addis Ababa. The study used propensity score matching method. The result shows that those who access finance has increased their operating margin profit by 2.6 on average in comparison with the non-treated groups. The treated groups have 0.42 greater net return on a net asset than non-treated groups on average. Therefore, the study suggests that financial institutions should increase their involvement to expand the accessibility of financial products to manufacturing firms that are the expected engines of sustainable growth and economic transformation.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil0,613

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,047
Tête enseignante GPT0,324
Écart entre enseignants0,277 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetMicrofinance and Financial InclusionTravaux en français237 207