MétaCan
Menu
Retour à la cohorte
Enregistrement W3217769525 · doi:10.3390/jrfm14110559

Foreign Direct Investment and Trade—Between Complementarity and Substitution. Evidence from European Union Countries

2021· article· en· W3217769525 sur OpenAlexvenueno aff
Marian Cátálin Voica, Mirela Panait, Eglantina Hysa, Arjona Çela, Otilia Manta

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-clésForeign direct investmentInternational economicsComplementarity (molecular biology)International tradeEconomicsEuropean unionGranger causalityMacroeconomics

Résumé

récupéré en direct d'OpenAlex

This aim of this work is to study the relationship between foreign direct investment (FDI) and trade. FDI is a driving force for economic growth for host countries. The positive effects of FDI are seen in many aspects of the economy. However, the implications of FDI on foreign trade are questionable. Therefore, this study uses a Granger causality technique to test whether the relationship between FDI and foreign trade is complementary or substitutive. The findings of this study indicate that this relationship appears to be complementary, and FDI investment does cause an increase in trade flow in the countries that are taken into consideration. This research aims to make a comparison between the relations of FDI flows of three groups of countries from the European Union (EU)—Romania and Bulgaria, the Visegrád Group and the Euro area—for the period of 2005 to 2019. However, the results indicate that this link between the variables is not yet found for the three group of countries, and further research is required in this aspect. This leads to the conclusion that the FDI impact on foreign trade of the host country depends on the type of investment and absorptive capacity of the receiver, the economic development of host and home countries, and not every type of FDI leads to more trade.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,023
Tête enseignante GPT0,224
Écart entre enseignants0,201 · 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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

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