MétaCan
Menu
Retour à la cohorte
Enregistrement W4281901763 · doi:10.3390/jrfm15060235

Economic Growth, Exchange Rate and Remittance Nexus: Evidence from Africa

2022· article· en· W4281901763 sur OpenAlexvenueno aff
Adedoyin Isola Lawal, Afees A. Salisu, Abiola John Asaleye, Ezeikel Oseni, Bukola Lawal-Adedoyin, Samuel Olatunde Dahunsi, Emmanuel Oluwasola Omoju, Abigail Oyeronke DickTonye, Elizabeth Bolatito Ogunwole, Abiola Ayopo Babajide

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueEconomic Growth and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNexus (standard)EconomicsRemittanceCausality (physics)Granger causalityExchange rateAgricultureMonetary economicsMacroeconomicsEconometricsInternational economicsEconomic growthGeography

Résumé

récupéré en direct d'OpenAlex

This paper examined the nexus between economic growth and exchange rate, remittances, trade, and agricultural output based on data sourced from 1980 to 2018 for 10 selected African economies. We employed both the Dumitrescu and Hurlin time-domain Granger causality test and the Croux and Reusens frequency domain Granger causality test. Results from the time-domain test suggests that causality only exists between economic growth and both exchange rate and trade, with no significant relationship between economic growth and both remittances and agricultural output. When we employed frequency domain model in our analysis, the results suggested that there is a bi-directional temporary and permanent causality between economic growth and exchange rate, trade, agriculture, and remittances. Our results suggest the validity of both the J-Curve and Marshall–Lerner hypotheses in the studied economies. Our study offers some relevant policy implications.

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)0,004
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,011
Tête enseignante GPT0,188
Écart entre enseignants0,177 · 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

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetEconomic Growth and DevelopmentTravaux en français237 207