MétaCan
Menu
Retour à la cohorte
Enregistrement W3131215619 · doi:10.3390/jrfm14030090

Causal Links between Trade Openness and Foreign Direct Investment in Romania

2021· article· en· W3131215619 sur OpenAlexvenueno aff
Malsha Mayoshi Rathnayaka Mudiyanselage, Gheorghe Epuran, Bianca Tescașiu

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOpenness to experienceForeign direct investmentInternational economicsEconomicsDistributed lagMonetary economicsGranger causalityGross domestic productCausality (physics)InflowInternational tradeMacroeconomicsEconometricsGeographyPsychology

Résumé

récupéré en direct d'OpenAlex

In this increasingly globalized era, foreign direct investments are considered to be one of the most important sources of external financing for all countries. This paper investigates the causal relationship between trade openness and foreign direct investment (FDI) inflows in Romania during the period 1997–2019. Throughout this study, Trade Openness is the main independent variable, and Gross Domestic Product (GDP), Real Effective Exchange Rate (EXR), Inflation (INF), and Education (EDU) act as control variables for investigating the relationships between trade openness (TOP) and FDI inflow in Romania. The Auto Regressive Distributed Lag (ARDL) Bounds test procedure was adopted to achieve the above-mentioned objective. Trade openness has negative and statistically significant long-run and short-run relationships with FDI inflows in Romania throughout the period. Trade openness negatively affects the FDI inflow, which suggest that the higher the level of openness is, the less likely it is that FDI will be attracted in the long run. The result of the Granger causality test indicated that Romania has a unidirectional relationship between trade openness and FDI. It also showed that the direction of causality ran from FDI to trade openness.

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)0,003
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 enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,011
Tête enseignante GPT0,212
Écart entre enseignants0,200 · 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

Citations83
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetInternational Business and FDITravaux en français237 207