Towards a Multidimensional Model for Evaluating the Sustainable Effect of FDI on the Development of Host Developing Countries: Evidence from Africa
Notice bibliographique
Résumé
This study aims to comprehensively evaluate the sustainable impact of FDI on the development of host African countries. Previous empirical studies seem to have overestimated the impact of FDI by limiting its effects to one aspect or sub-aspect of sustainable development. This study focuses on the sustainable/net effect of FDI on development in Africa. To achieve this, a multidimensional model that combines two opposing views (mainstream theory of economic development and dependent theory) was tested. Panel data of 35 African countries with the PMG/ARDL approach were used to probe the sustainable effect of FDI from 1990 to 2020. The key findings of this study reveal that the overall estimated sustainable effect of FDI on real GDP per capita is statistically minuscule for the entire sample. Thus, the effect of FDI on the development of host African countries is not inherently more important. The most striking result that emerged from the data is that environmental degradation is the dominant variable that adversely influences overall development in Africa. Another striking finding that emerged from the data is that income inequality, in general, has a significant negative impact on real GDP per capita in the long run. More importantly, the results of this study confirm that CO2, GINI, and GOV play important roles in the relationship between FDI and African development. Estimates of the error correction term for each specific country are negative and statistically significant. The fastest speed of adjustment was observed in Morocco, while the lowest was recorded in South Africa. Furthermore, this study presents different policy implications based on the long-term results.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».