MétaCan
Menu
Retour à la cohorte
Enregistrement W4376615919 · doi:10.1080/00036846.2023.2212969

Private capital flows and productivity in Sub-Saharan Africa: does the capital allocation puzzle matter?

2023· article· en· W4376615919 sur OpenAlexaff
François d’Assises Babou Bationo, Stephany Griffith‐Jones, Victor Murinde, Issouf Soumaré, Judith Tyson

Notice bibliographique

RevueApplied Economics · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueEconomic Growth and Development
Établissements canadiensUniversité LavalMarch of Dimes Canada
Organismes subventionnairesEconomic and Social Research CouncilForeign, Commonwealth and Development Office
Mots-clésProductivityEconomicsCapital (architecture)Capital allocation lineCapital flowsPrivate capitalCapital deepeningPhysical capitalDeveloping countryPrivate sectorCapital accumulationMonetary economicsMacroeconomicsCapital formationForeign direct investmentFinancial capitalHuman capitalMicroeconomicsMarket economyEconomic growthGeography

Résumé

récupéré en direct d'OpenAlex

The puzzling relationship between foreign private capital flows and productivity remains unresolved. We attempt to resolve the puzzle by extending the literature to investigate the effects of the flows across heterogeneous recipient sectors, using a unique hand-collected database of 18 African countries for 2006–2015. We uncover a new interesting finding that the effects of the flows on productivity growth depend on recipient sectors. The results suggest that the negative relationship between foreign private capital flows and economic growth documented in the existing literature, particularly in developing countries, is related to the fact that most of the flows went into sectors, such as extractives and infrastructure, which have less potential for productivity growth. Overall, our findings suggest that the capital allocation puzzle is a sectoral capital allocation puzzle.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,175
Écart entre enseignants0,166 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied EconomicsMême sujetEconomic Growth and DevelopmentTravaux en français237 207