MétaCan
Menu
Retour à la cohorte
Enregistrement W4364375109 · doi:10.18280/ijsdp.180329

The Impact of E-Commerce on the Economic Growth of the Western Balkan Countries: A Panel Data Analysis

2023· article· en· W4364375109 sur OpenAlexvenueno aff
Asdren Toska, Besnik Fetai

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPanel dataEconomicsBusinessEconomyNatural resource economicsDevelopment economicsEconometrics

Résumé

récupéré en direct d'OpenAlex

Today, economic development cannot be thought of without including innovation.Innovation is a promoter of economic growth.Since e-commerce is considered an innovation, it can be a driver of economic growth in some economic environments.This study investigates the impact of e-commerce through electronic transactions on economic growth in the Western Balkans during the period 2008 to 2020.The study applies the quantitative methodology using secondary data.This study uses panel data techniques, starting with estimators pooled OLS, fixed effects, random effects, and Hausman Taylor -IV.The findings show that e-commerce does not contribute to economic growth in the Western Balkan countries for the study period.Furthermore, this study shows that final consumption, exports, and foreign direct investment positively impact economic growth.The study also confirmed that the increased government expenditure does not contribute to economic growth in the Western Balkan countries.The study brings theoretical implications by bringing scientific evidence on the impact of ecommerce on economic growth in the western Balkan countries.The study provides an insight into the impact of e-commerce on the economies of the Western Balkan countries, which are developing countries, and paves the way for other studies in developing countries to look at the similarities and differences.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,234

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 ouverte0,0010,000
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 Opus0,056
Tête enseignante GPT0,276
Écart entre enseignants0,220 · 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'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

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetEconomic Growth and ProductivityTravaux en français237 207