MétaCan
Menu
Retour à la cohorte
Enregistrement W3129360900 · doi:10.5430/ijfr.v12n2p389

The Impact of Trade Openness and Foreign Direct Investment on Economic Welfare in sub-Saharan Africa

2021· article· en· W3129360900 sur OpenAlexvenueno aff
F.B. Adegboye, Olumide S. Adesina, F. O. Olokoyo, Stephen Ojeka, Victoria Abosede Akinjare

Notice bibliographique

RevueInternational Journal of Financial Research · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesCovenant University Centre for Research, Innovation and DiscoveryCovenant University
Mots-clésOpenness to experienceForeign direct investmentInternational economicsEconomicsProductivityWelfareEconomic integrationForeign capitalTrade barrierInternational tradeDevelopment economicsEconomic growthMacroeconomicsMarket economy

Résumé

récupéré en direct d'OpenAlex

The sub-Saharan African region is characterized by a high relative degree of openness to trade. The region is also identified with increased inflows of foreign investments with no significant welfare improvement. Economic development emphasizes that the lack of domestic investment in the developing economies could be boosted by trade openness and inflow of Foreign Direct Investment (FDI) for impactful enhancement of capital formation. In this article, the impact of trade openness and foreign capital inflow on economic welfare was examined on a sub-regional analysis for sub-Saharan Africa. The study also appraised the effect of openness to trade and FDI inflow on the region's economic welfare. The data for 30 countries from 2000 to 2018 were collected and analyzed, with the Generalized Least Square (GLS) technique to fit the model developed. The study showed that openness to trade has a significant impact on economic welfare for all sub-Saharan Africa regions, while FDI is only significant for the Western sub-region. Hence, the study recommends that the government of the countries in the sub-Saharan Africa region should boost trade openness to enhance efficiency in productivity, and improve industrial development.

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)0,002
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,770
Score d'incertitude au seuil0,313

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,085
Tête enseignante GPT0,340
Écart entre enseignants0,256 · 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'étudeThéorique ou conceptuel
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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetFiscal Policy and Economic GrowthTravaux en français237 207