Unraveling Determinants of FDI: Insights from Oil-Abundant Economies
Notice bibliographique
Résumé
The significance of natural resources in shaping foreign direct investment (FDI) dynamics cannot be overstated. In oil-abundant countries, these resources act as catalysts and magnets for investment inflows. Against this backdrop, this research aims to dissect the determinants of FDI within oil-rich nations, focusing on four critical factors: natural resources, exchange rates, openness to trade, and market size. The study seeks to unravel the intricate interplay between resource endowments and investment attractiveness by leveraging panel data from six oil-abundant countries (the United States, China, Russia, Canada, Saudi Arabia, and the UAE) over nine years (2011–2019) and employing the fixed effect model as a robust methodology. The results reveal that all factors: natural resources, openness to trade, and market size are statistically significant in affecting FDI inflows. Due to the robust economic conditions in the countries studied exchange rate fluctuations have a limited impact on FDI. Instead, investors prioritize microeconomic factors such as labor wages, logistics costs, and telecommunication tariffs when evaluating business efficiency in investment destinations. Thus, this research provides actionable insights for policymakers to enhance the market environment for local producers, support trade through subsidies and incentives, and focus on resource exploration to attract foreign investors and stimulate economic growth.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».