Drivers of Labor Force Participation and Economic Growth in Gulf Cooperation Countries Region: A Dynamic Panel Analysis
Notice bibliographique
Résumé
This study investigates the drivers of labor force participation and GDP growth in the Gulf Cooperation Council (GCC) region from 1990 to 2023, emphasizing the roles of youth employment, urbanization, export performance, and foreign direct investment (FDI).Using the Arellano-Bond dynamic panel data estimation method, the study models interdependent relationships between labor force participation, GDP growth, and key macroeconomic indicators while addressing endogeneity and dynamic feedback effects.The analysis reveals that lagged labor force participation has a strong positive and highly significant effect (coefficient = 0.821, p < 0.001), indicating persistence in workforce engagement.Urbanization exerts a significant positive influence (coefficient = 0.271, p = 0.007), while GDP growth shows a positive but marginally significant effect (coefficient = 0.219, p = 0.076).Exports of goods and services have a negative and significant impact on labor force participation (coefficient = -0.076,p = 0.024), suggesting structural mismatches between export industries and labor market needs.ICT imports and FDI have statistically insignificant effects.Regarding GDP growth, past growth trends (p < 0.01), labor force participation, urbanization, and general exports significantly enhance economic performance.In contrast, ICT goods exports negatively correlate with GDP growth, and FDI contributes modestly but significantly.This study provides novel empirical evidence on the differential impact of macroeconomic drivers on labor force participation and growth in GCC economies, particularly highlighting the persistent influence of urbanization, the negative association of export sectors with labor absorption, and the limited role of ICT and FDI.It contributes to the literature by dissecting the sectoral misalignments in labor demand and proposing policy directions to promote inclusive growth, especially through youth integration, urban labor planning, and strategic trade and investment alignment.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».