MétaCan
Menu
Retour à la cohorte
Enregistrement W4285126655 · doi:10.55365/1923.x2022.20.6

The Relationship Between Inclusion, Financial Innovation and Economic Growth in Sub-Saharan African Countries: A PVAR Approach

2022· article· en· W4285126655 sur OpenAlexvenueno aff
Jo�ão Jungo, Mara Madaleno, Anabela Botelho

Notice bibliographique

RevueReview of Economics and Finance · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesFundação para a Ciência e a Tecnologia
Mots-clésFinancial inclusionCausality (physics)Autoregressive modelEconomicsInvestment (military)Inclusion (mineral)Sample (material)OriginalityGranger causalityMonetary economicsMacroeconomicsFinanceEconometricsFinancial servicesPolitical sciencePsychology

Résumé

récupéré en direct d'OpenAlex

The objective of this paper is to examine the relationship between inclusion, financial innovation, and economic growth. The goal is to verify the existence of a bidirectional relationship between the three variables. For this purpose, we use the Panel Vector Autoregressive (PVAR) model in the Generalized Method of Moments (GMM) on data from 46 Sub-Saharan African countries. The results confirm the existence of a positive and unidirectional relationship between economic growth and financial innovation and the existence of a unidirectional relationship between financial inclusion and economic growth. Additionally, our results show that there is a bidirectional relationship between economic growth and investment. Regarding practical implications, this study jointly analyzes three current and interrelated topics that pose a problem for the African continent and expands the scarce literature on financial development and economic growth. As for originality, this study considers the possibility of a bidirectional relationship between inclusion, financial innovation, and economic growth using a sample of 46 sub-Saharan African countries covering the period 2005-2018, a fact that was ignored in previous studies when they examined only unidirectional causality.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,726
Score d'incertitude au seuil0,951

Scores Codex et Gemma par catégorie

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

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 Opus0,033
Tête enseignante GPT0,233
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetMicrofinance and Financial InclusionTravaux en français237 207