COVID-19—A Black Swan for Foreign Direct Investment: Evidence from European Countries
Notice bibliographique
Résumé
This study aims to reconsider the role of foreign direct investment determinants for European national development and to analyze the impacts of the pandemic situation caused by COVID-19. Foreign direct investment is a source of development; therefore, this study includes empirical applications, specifically the random effect model, for EU countries, during the pandemic period. This study provides some valuable conclusions regarding the changes caused by the main determinants of foreign direct investment, such as unemployment, interest rates, economic growth, inflation, and business confidence. Additionally, the proxies of COVID-19 are the number of cases and number of deaths, both appearing to positively contribute to FDI outflow, the former with a higher impact than the latter. Based on the availability of the data, this paper deals with 22 European Union countries for Q1, Q2, and Q3 of 2020. Data for all the chosen variables were not available for the fourth quarter (Q4); thus, this period was not considered, which constitutes a limitation of this study, but confirms the need for robust FDI inflows to support the sustainable post-pandemic development recovery of less-developed EU countries. As the need for external funding sources, i.e., FDI inflow, grows in times of crisis, governments should take suitable measures to uplift the confidence of socially responsible foreign investors during difficult times generated by black swan events. There is almost no detailed research regarding the impact of COVID-19 on FDI flows received by European Union countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».