Asymmetric Analysis of Tourism and Economic Growth in South Asian Countries: Lessons for Policymakers towards Mitigating the Adverse Effects of Covid-19
Notice bibliographique
Résumé
Since the first quarter of 2020, due to the spread of the Covid-19 pandemic, which is continuing unabated with the periodical emergence of new variants, international tourism has become one of the most affected sources of external earnings for developing countries. For the South Asian countries, the crisis was predicted to result in a 42% to 60% drop in tourist arrivals in 2020 and 2021. Tourism has been providing a great impetus to the growth of the informal sector supported by information and communication technology and the participation of women, both full-time and part-time in several small and mini-enterprises. This panel study employing a nonlinear econometric methodology confirms the existence of an asymmetric association between tourism and economic growth for six South Asian countries for the period 1995 to 2018 for which data series are complete and officially available. While the positive partial-sum decomposition of tourism increased economic growth, the negative-sum decomposition of tourism had a much greater adverse effect on economic growth. There are some relevant conclusions with policy implications in the context of continuing uncertainties.Copyright© 2022 The Author(s). This article is distributed under the terms of the license CC-BY 4.0., which permits any further distribution in any medium, provided the original work is properly cited.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».