The Effects of Geopolitical Risk on Foreign Direct Investment in a Transition Economy: Evidence from Vietnam
Notice bibliographique
Résumé
Foreign direct investment (FDI) is a key driver of economic development of both developed and developing countries. Understanding and having insights into the factors that motivate increased FDI arevery important for both academics and policy makers. A key factor that multinationals incorporate in their decisions on FDI is geopolitical risk (GPR). Therefore, this study is devotedto investigating the short-term and long-term effects of GPR on FDI in Vietnam. Data used in this study are the yearly geopolitical risk index, FDI, and other control variables covering the period from 1986 to 2021. Using the autoregressive distributed lag (ARDL) bounds testing approach, the empirical results confirm that geopolitical risk (GPR) has a significantly negative effect on FDI in Vietnam in the longterm. Specifically, in the longterm, 1 percent increase in the GPR index is associated with 5.7983 percent decrease in Vietnam’s FDI. In addition, the results derived from the ARDL model indicate that in the shortterm, GPR has a significantly positive effect on the FDI for the one-year lag, meaning that an increase in the GPR index leads to an increase in FDI. Moreover, the results derived from the error correction model (ECM) indicate that 42.89% of the disequilibria from the previous year are converged and corrected back to the long-run equilibrium in the current year. Based on the findings, some policy implications are drawn for policymakers to mitigate the negative effects of GPR on FDI.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».