MétaCan
Menu
Retour à la cohorte
Enregistrement W3134168455 · doi:10.5430/rwe.v12n2p273

Impact of FDI and Electricity on the Economic Growth of Pakistan: A Long Run Cointegration and Causality Analysis

2021· article· en· W3134168455 sur OpenAlexvenueno aff
Umer Qazi, Aftab Alam, Shahab Ahmad, Rani Ambreen

Notice bibliographique

RevueResearch in World Economy · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCointegrationEconomicsCausality (physics)Foreign direct investmentShort runConsumption (sociology)EconometricsMacroeconomicsElectricityGranger causalityInvestment (military)Monetary economicsEngineering

Résumé

récupéré en direct d'OpenAlex

Since the 1980s, analysts have been debating the effect of foreign direct investment (FDI) and electricity consumption (EC) on the economic growth (GDP) of developing countries. The purpose of the study is to estimate the long-run relationship between FDI, electricity consumption and GDP of Pakistan for the period of 1971 to 2017, using ARDL bounds testing, FMOLS and Canonicals cointegration regression. For causality analysis, the study uses a VECM approach for short-run causality directions and MWALD/Toda Yamamoto approach for the long-run causality directions. The cointegration results of all the approaches state that there exists a positive and significant long-run relationship between the concerned variables. The impact of electricity consumption on economic growth is very strong as compared to FDI. Moreover, in the short-run, there is a unidirectional causality running from FDI to GDP and GDP to EC. In the long-run causality, the study finds unidirectional causality for FDI and bidirectional causality for EC with GDP.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,740

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,054
Tête enseignante GPT0,320
Écart entre enseignants0,266 · 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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in World EconomyMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207