MétaCan
Menu
Retour à la cohorte
Enregistrement W4360975740 · doi:10.1007/s13132-023-01134-x

Governance Mediates the Effect of Remittances on Financial Inclusion in Sub-Saharan Africa

2023· article· en· W4360975740 sur OpenAlexfundno aff
Sezard Timbi, Mohammadou Nourou, Zédou Abdala

Notice bibliographique

RevueJournal of the Knowledge Economy · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueEconomic Growth and Development
Établissements canadiensnon disponible
Organismes subventionnairesAgence Universitaire de la Francophonie
Mots-clésCorporate governanceFinancial inclusionEconomicsInclusion (mineral)PoliticsGeneralized method of momentsIndex (typography)Monetary economicsPanel dataEconomic systemDevelopment economicsFinancial systemFinanceEconometricsPolitical scienceFinancial servicesSociology

Résumé

récupéré en direct d'OpenAlex

This paper empirically investigates the effect of remittances on financial inclusion and how governance modulates the incidence of remittances on financial inclusion in 29 Sub Saharan African countries for the period 2004-2018. A financial inclusion index and four governance dimensions are adopted for this study, namely, political, economic, institutional and total governance. The empirical evidence is based on the generalized method of moments. The following findings are established. Remittances have either positive, negative or no significant effects on financial inclusion. From the interactive regressions, three major tendencies are apparent. First, remittances dynamics consistently have an unconditional positive, negative or no effect on financial inclusion. Second, political governance and total governance dynamics modulate the remittances dynamics to broadly induce a negative net effect on financial inclusion. Third, policy thresholds at which the modulating variables reverse the net effect on financial inclusion from negative to positive are 0.7757 political governance and 0.82163 total governance. The computed thresholds make economic sense because they are within statistical range. Theoretical and policy implications are discussed.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,475
Score d'incertitude au seuil0,297

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 ouverte0,0020,001
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 Opus0,008
Tête enseignante GPT0,213
Écart entre enseignants0,205 · 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'étudeSans objet
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Knowledge EconomyMême sujetEconomic Growth and DevelopmentTravaux en français237 207