Effect of Foreign Aids on Economic Growth in Nigeria
Notice bibliographique
Résumé
This study investigated the impact of foreign aids on economic growth in Nigeria using time series data spanned from 1990 to 2017. The research considered the secondary data that were gathered from CBN statistical bulletin 2017 and World Bank Data Indictors. Ordinary Least Square techniques was adopted in the study and used Augmented Dickey-Fuller Unit Root Test, co integration test, granger causality test, ECM to estimates data employed. The findings revealed that all the variables employed were stationary at first difference and integrated at the same order1(I), the co-integration test shows that variables are co-integrated at one co-integrating equation which means that there is a long run relationship. The Error Correction Model established that the error that caused disequilibrium in the short run is being corrected in the long-run at a speed of adjustment at 6%. The findings revealed real gross domestic product responds inversely to changes in official development assistance and foreign direct investment. Based on these findings the study concluded that foreign aids have a significant impact on economic growth in Nigeria. Different diagnostic tests are applied in order to confirm the major assumption of multiple regression analysis like multicollinearity, heteroskedasticity and autocorrelation. Therefore, the study recommends among others that government needs to formulate strong and effective education and healthcare policies to facilitate and attract investment in the sectors and improve their efficiency in the long-run that will influence productivity.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».