MétaCan
Menu
Retour à la cohorte
Enregistrement W4410483402 · doi:10.1016/j.intfin.2025.102176

Financial sector development and intra-African trade

2025· article· en· W4410483402 sur OpenAlexaff
Lewis-Landry Gakpa, Issouf Soumaré, Hugues Kouadio, Charles Adjasi

Notice bibliographique

RevueJournal of International Financial Markets Institutions and Money · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésEconomicsFinancial sector developmentFinancial sectorInternational economicsFinance

Résumé

récupéré en direct d'OpenAlex

• Relationship between Financial Sector Development (FSD) and intra-African trade. • Positive impact of financial development and cross-border banking flows on intra-African trade. • Financial institution indicators have more impact than financial market indicators. • The relationship between financial development and trade is heterogeneous across African regions. • Financial development affects trade indirectly through the services and industrial sectors. This paper examines the nature of the relationship between Financial Sector Development (FSD) and intra-African trade. Using a sample of African countries with available data from 1998 to 2021 , and robust estimation techniques that address endogeneity and omitted variables biases, we find a positive significant impact of the composite financial development indicator and cross-border banking flows on intra-African trade. Further analysis reveals that the effects of the financial institution sub-indicators are more pronounced than those of the financial market sub-indicators. The effects are also heterogeneous across the different African Regional Economic Communities (RECs). Finally, our results show that financial sector development affects intra-African trade indirectly through its impact on the services and industrial sectors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,227
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of International Financial Markets Institutions and MoneyMême sujetGlobal trade and economicsTravaux en français237 207