Financial Inclusion and Economic Growth in Sub-Saharan Africa—A Panel ARDL and Granger Non-Causality Approach
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.
Notice bibliographique
Résumé
Many earlier development finance studies have attempted to assess the relationship between financial inclusion and economic growth. However, the findings of these studies vary from economy to economy and region to region due to various social and economic factors. We, therefore, deemed it pertinent to examine the relationship between financial inclusion and economic growth while further identifying the direction of causality between the two variables in twenty-six (26) Sub-Saharan African (SSA) economies using annual secondary data over the 2000–2019 period. In our paper, we used the principal component analysis (PCA) technique to develop a single composite index to proxy financial inclusion while adopting panel unit root, system generalised method of moment (GMM), and ARDL cointegration tests to assess the stationarity properties, assess the factors that affect economic growth, and examine the long-run relationships between financial inclusion and economic growth, respectively. In addition, a Granger non-causality test is used to verify the direction and magnitude of causality. Our study revealed that financial inclusion and economic growth share a strong long-run relationship and that there is bi-directional causality, indicating synergy between these two variables. In order to ensure sustainable economic growth, we thus recommend that developing countries develop macroeconomic policies that will promote financial inclusion while enhancing the functioning and regulation of the domestic financial markets to ensure that all citizens are catered for in the available instruments, products, and service offerings. Within the same policy framework, efforts must be made to further support productive sectors of the economy to ensure economic growth.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découle