MétaCan
Menu
Retour à la cohorte
Enregistrement W3119000004 · doi:10.3390/jrfm14010023

European FDI in Ireland and Iceland: Before and after the Financial Crisis

2021· article· en· W3119000004 sur OpenAlexvenueno aff
Helga Kristjánsdóttir, Stefanía Óskarsdóttir

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForeign direct investmentFinancial crisisEuropean unionInternational economicsGravity model of tradeEconomicsBusinessInternational tradeMacroeconomics

Résumé

récupéré en direct d'OpenAlex

This paper analyses Foreign Direct Investment (FDI) investment in Ireland and Iceland from other European countries during two periods, i.e., the pre-financial crisis period of 2000–2007 and the financial crisis period of 2008–2010. The aim of this research is to determine what made the countries interesting to foreign investors in both good and bad times; and, secondly, to examine whether European Union membership (and the Euro) made a difference in this respect. The results were obtained by using data from the OECD, the World bank, and other sources. The model constructed for the study applies the inverse hyperbolic sine transformation of the gravity model, which is a novel approach. The results demonstrate that before the financial crisis of 2008, European Union (EU) membership did not help Ireland attract more FDI from other EU countries. However, once it had been hit by the crisis, Ireland attracted more FDI from other EU countries. Iceland, on the other hand, which is not an EU country, attracted FDI from non-EU countries rather than from EU countries before the financial crisis. After the crisis, however, the origin within Europe, of FDI in Iceland had no significant effect on the flow of FDI into the country.

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 enseignants0,082
Score d'incertitude au seuil0,164

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,174
Écart entre enseignants0,164 · 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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetGlobal trade and economicsTravaux en français237 207