MétaCan
Menu
Retour à la cohorte
Enregistrement W3114763750 · doi:10.1080/19186444.2020.1858676

Effect of domestic and foreign private investment on economic growth of Pakistan

2020· article· en· W3114763750 sur OpenAlexvenueno aff
Malik Shahzad Shabbir, Misbah Bashir, Hina Munir Abbasi, Ghulam Yahya, Bilal Ahmed Abbasi

Notice bibliographique

RevueTransnational Corporation Review · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDisequilibriumForeign direct investmentEconomicsInvestment (military)Error correction modelDeveloping countryMonetary economicsTime seriesCointegrationMacroeconomicsInternational economicsEconometricsEconomic growthStatistics

Résumé

récupéré en direct d'OpenAlex

The foreign and domestic investments have a significant contribution towards economic development for developing and developed economies especially for underdeveloped economies. The primary objective of this study is to investigate the causal connection between domestic and foreign private investment along with its impact on economic growth of Pakistan. Moreover, time-series data has been used from 1980 to 2017 and autoregressive distributed lags (ARDL) method is implied for the data analysis perspective. The long-run findings indicate that foreign private investment has a negative and insignificant impact on economic growth, whereas, domestic investment shows a statistical significance but positive impact on Pakistan economy. The short-run dynamic designates that both domestic and foreign private investment is significantly and positively associated with the growth rate. Whereas, error correction term (ECT) is correcting the disequilibrium of data 42.7% on annual basis. Finally, F-test shows that the overall model of this study is statistically significant.

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)0,001
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 enseignants0,036
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,037
Tête enseignante GPT0,265
Écart entre enseignants0,229 · 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

Citations102
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueTransnational Corporation ReviewMême sujetFiscal Policy and Economic GrowthTravaux en français237 207