FDI and Economic Growth in the Central African Economic and Monetary Community (CEMAC) Countries: An Analysis of Seven Economic Indicators
Notice bibliographique
Résumé
Foreign Direct Investment (FDI) can help create jobs, reduce unemployment, improve world-class technology transfer, and grow countries’ economies. During the past 10 years, FDI net inflows to the Central African Economic and Monetary Community (CEMAC) has highly fluctuated and remained below to the total amount reached in 2010. The focus of this research was to statistically analyze the mean difference for FDI net inflows, GDP per capita, natural resource rents, inflation rate, corruption index, trade openness index, rule of law index, and political stability index received in each CEMACs country. Paired t-test methodology was used to conduct the analysis. Data were collected from the World Bank Group database from 2007 to 2017. This research revealed that FDI net inflows decreased by an average of two billion dollars in CEMAC when conducting a mean-to-mean analysis from the recession period to the recovery period. The findings showed that FDI net inflows inversely affected the GDP per capita in Congo and Gabon. FDI net inflows may have contributed to the improvement of the GDP per capita in countries such as Cameroon, Chad, Central Africa Republic, and Equatorial Guinea. Researcher recommendation for continued study is a qualitative research using the same variables through the same periods in addition to year 2018. Improvement of economic policies, regulations and laws, as well as the digitalization of public funds management are also recommended to boost economic development and growth in the CEMAC region.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».