MétaCan
Menu
Retour à la cohorte
Enregistrement W4312932910 · doi:10.37745/ijdee.13/vol10n2113

Economic Growth Effects of the Interaction of Natural Resources and Institutional Quality by Source: Empirical Evidence from Africa

2022· article· en· W4312932910 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Developing and Emerging Economies · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueNatural Resources and Economic Development
Établissements canadiensMinistry of Transportation of Ontario
Organismes subventionnairesnon disponible
Mots-clésEconomic rentOpenness to experienceNatural resourceEconomicsRule of lawQuality (philosophy)Granger causalityEmpirical evidenceCausality (physics)Resource (disambiguation)Natural resource economicsEconometricsMicroeconomicsLaw

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to investigate the relationship between natural resources by source, institutional quality by source, and economic growth in Africa using multiple co-integration analysis, the ARDL technique, and VECM granger causality. The findings show that various resources contribute to economic growth in different ways. Mineral rents (MR) have a negative impact on growth, while forest rents (FR) have a beneficial impact. The findings also show that forest rents contribute more to growth in the rule-of-law (ROL) model than in the market openness (MO) model. Among the institutional quality (IQ) variables, the rule of law has the most significant impact on the continent's economic growth. Furthermore, when IQ was added as an interaction variable in the models, both resources (MR and FR) ended up contributing favourably to development. The study recommends that resource-rich countries must specifically concentrate on improving the rule of law since robust outcomes are generated when interacted with natural resources.

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.

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)0,001
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 enseignants0,161
Score d'incertitude au seuil0,435

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,278
Écart entre enseignants0,241 · 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