Regulations, Business Taxes, and Foreign Direct Investment
Notice bibliographique
Résumé
Abstract: In this study, we apply three sets of econometric models to examine the effects of business regulations on foreign direct investment (FDI) by using FDI statistics from 12 source countries to 64 host countries in 2000. Our log-linear results suggest that FDI inflows are strongly correlated with business regulatory costs in the FDI host countries. By using the endogenous threshold models of Hansen (1996, 1999, 2000) and the rolling-regression techniques of Rousseau and Wachtel (2002), we find evidence of a nonlinear threshold effect in the relationship between FDI inflows and regulatory costs. When a host country’s regulatory costs are sufficiently low, a further decrease in regulations may not stimulate and, in fact, may even decrease FDI inflows. On the other hand, beyond some threshold, FDI inflows significantly rise as the regulatory costs fall. In addition, we find that the marginal effect of business taxes on FDI depends on the level of regulatory costs; i.e., as regulatory costs rise, the marginal effect of taxes on FDI inflows falls. Our results suggest that the regulatory competition between FDI host countries may have different impacts on countries with different regulatory cost levels. While a fall in the costs can directly stimulate FDI inflows in heavily regulated countries such as Brazil and China, it might have no effect, or even a negative effect, on FDI inflows in low-cost countries such as Canada and the United States. In the low-regulatory-cost countries, tax incentives might be more effective to attract FDI than those in heavily regulated countries.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».