The Moderation Role of Corruption in the Relationship between Foreign Direct Investment and Economic Growth in Sub-Saharan African Countries
Notice bibliographique
Résumé
Foreign direct investment has recently become a major source of external financing among the developing countries. The Sub-Saharan Africa has become a major investment destination by the foreign investors. The literature shows that foreign direct investment contributes to economic growth through technological spillovers from developed countries to developing countries. In addition, FDI leads to the human capital development and employment creation. It also promotes international trade integration thus creating a competitive environment for local enterprises. Despite the increase in FDI in the Sub-Saharan Africa region, proportionate economic growth has not been realized. Corruption levels are also high in the region thus necessitating the need to investigate its role in the FDI economic growth nexus. Many studies have investigated the direct relationship between FDI and economic growth. There is also quite a number of studies that have studied the direct relationship between corruption and economic growth. However, a study on the moderating role of corruption on the relationship between FDI and economic growth is yet to be carried out. This study therefore investigates the moderating role of corruption on the relationship between FDI and economic growth in the Sub-Saharan Africa using data from 46 countries. The study uses fixed effects model. The study finds a negative and significant coefficient of the interaction term between FDI and corruption. This finding reveals that a corruption distorts the effectiveness of FDI in realizing economic growth. The study recommends the need for government to put in place strong institutions that deter corruption in the region.
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 ».