Impact of Risk, Subsidy, and Bid-Criteria on the Private Investment in Public–Private Partnerships in Infrastructure Projects
Notice bibliographique
Résumé
Public–Private Partnerships (PPPs) are formed to finance and deliver large infrastructural projects that may not be entirely feasible by governments alone. This study investigates the intricate role of financial risks, subsidies, and bidding criteria in the context of PPPs in India, and their relationship to the amount and extent of investments made by private partners. Studies have claimed that the success of PPP projects is determined by the type of funding, the nature of risk undertaken by investors, and the bidding criteria used by a government to attract investors. However, there is sparse literature on these variables impacting the private investment in these projects. Thus, in an attempt to address this gap, we collated data from the World Bank for a ten-year period (i.e., 2009 to 2019) for the study variables, and used regression to analyze the hypotheses, while adopting both SPSS 24 and PROCESS Macro. This study disapproved some commonly held notions of risk relationships, such as the government using “viability gap” funding to attract private investment, and that “leverage” does not moderate the relationship between risk assumed and private investment, thereby contributing to the literature on private investment in PPPs as impacted by several factors. This study is among the first to recognize and elaborate on financial risk relationships, specifically in the context of Indian PPPs. These findings are significant for both private and public participants in terms of financial considerations in PPP projects, especially within the ambits of emerging markets.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».