A Systematic Approach for Developing the Startup Ecosystem in the MENA Region: Empirical Evidence from Lebanon, Jordan, Egypt and Turkey
Notice bibliographique
Résumé
Entrepreneurship is a critical driver of economic growth, with entrepreneurial ecosystems increasingly recognized as essential for fostering business creation and development. Despite the growing interest in ecosystems as an approach for understanding the context of entrepreneurship at the macro level, the “startup ecosystems” concept, which plays a crucial role in shaping regional economic landscapes, remains loosely defined and measured, particularly within the MENA region. This study adopts a systematic perspective, employing the PESTEL (Political, Economic, Social, Technological, Environmental, and Legal) framework to evaluate macro-environmental factors influencing the development of the entrepreneurial ecosystem measured through the “Score of Business” in Lebanon, Jordan, Egypt, and Turkey. This study suggests that factors like human capital, access to finance, innovation, access to infrastructure, governance, and technology can be assessed as components of the start-up ecosystem in the context of the selected MENA countries. Using panel data spanning 2004–2020, the analysis incorporates seven datasets, using the World Bank and other international institutions reports, controlled by three main variables: Foreign Direct Investment (FDI), Gross Domestic Product (GDP), and population growth. The data were compiled and analyzed using the Stata 15 software. Findings reveal that access to credit and use of the internet positively influence the “Score of Business” while human capital development and FDI exert a negative impact. Other factors, such as GDP growth, governance, population, and access to electricity in rural areas, demonstrate context-dependent effects. Finally, this study offers insights for policymakers and governments aiming to strengthen regional entrepreneurial ecosystems.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».