MétaCan
Menu
Retour à la cohorte
Enregistrement W3122682014 · doi:10.1186/s13731-021-00164-6

The impact of Greenfield investment on domestic entrepreneurship

2021· article· en· W3122682014 sur OpenAlexaff
Tung Son Ha, Vu Tuan Chu, Mai Tuyet Thi Nguyen, Dung Hoai Thi Nguyen, Anh Ngoc Thi Nguyen

Notice bibliographique

RevueJournal of Innovation and Entrepreneurship · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesĐại học Kinh tế Quốc dân
Mots-clésEntrepreneurshipNexus (standard)Foreign direct investmentInvestment (military)Panel dataBusinessGreenfield projectEconomic geographyEmpirical researchEconometric modelEconomicsPolitical scienceFinanceMacroeconomicsEconometricsPolitics

Résumé

récupéré en direct d'OpenAlex

Abstract The FDI-entrepreneurship nexus has received growing attention over the last decade. However, the empirical findings on their relationship have been inconsistent at best. This study seeks to examine how the inflows of Greenfield investment influence entrepreneurship of the host country. Using panel data from 110 countries during the period 2001-2018, we find that growing level of Greenfield investment brings detrimental impact on the level of total and opportunity-driven entrepreneurial activities in the host countries while the impact on necessity-driven entrepreneurship have been mixed. The results regarding the impact of Greenfield investment on total entrepreneurial activities and opportunity-based entrepreneurial activities are robust across different econometric settings, different time span, and different categories of control variables.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,525
Score d'incertitude au seuil0,293

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,031
Tête enseignante GPT0,281
Écart entre enseignants0,250 · 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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Innovation and EntrepreneurshipMême sujetInternational Business and FDITravaux en français237 207