Climate finance spillovers and entrepreneurship in developing countries
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
Abstract Research Summary We conduct a multicountry analysis and show that there is a strong and significant positive relationship between climate finance and entrepreneurship, even after controlling for conventional macroeconomic and institutional factors commonly reported in the literature. Specifically, a 10% increase in climate finance is linked with a 2% increase in entrepreneurial activity across most countries. There are important heterogeneities in this nexus as it relates to fossil fuel exporting countries—the main “ losers ” from a global move away from fossil fuels. We find that although fossil fuel exporting countries exhibit notably faster rates of entrepreneurship growth, the interaction with climate finance in these countries is negatively related to entrepreneurial activity. This finding holds across different types of climate finance—adaptation and mitigation—highlighting its robustness. Managerial Summary It is often suggested that more finance will lead to more entrepreneurship. We conduct a multicountry analysis and add nuance to this notion. We find that although there is a strong and significant positive relationship between climate finance and entrepreneurship in most countries, this is not always true for fossil fuel exporting countries. Fossil fuel exporting countries, despite experiencing faster entrepreneurial growth, exhibit a negative interaction between climate finance and entrepreneurship. For managerial practice, these results emphasize the importance of targeted strategies in deploying climate finance. Policymakers and investors should consider nuanced approaches that address the specific economic dependencies and regulatory environments of fossil fuel exporting countries.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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