The transformative power of tech investment: Measuring growth, diversification, and firm outcomes
Notice bibliographique
Résumé
We examine the asymmetric effects of national technology-driven diversification policies on firm-level profitability in the Gulf Cooperation Council (GCC), addressing a critical gap in the microeconomic literature on the region's transition from hydrocarbons. Using a dynamic panel dataset of 63 strategically important firms across all six GCC countries from 2016 to 2025, we employ a Difference-in-Differences (DiD) approach, complemented by System Generalized Method of Moments (SGMM) estimation, to establish causal relationships while rigorously addressing endogeneity concerns. The results reveal that technology-focused policies have significantly boosted profitability and total factor productivity in firms that actively invest in digital technologies, with policy milestones increasing asset-based returns by 2.1% and equity-based returns by 2.8%. Government subsidies specifically targeted toward technology adoption amplified these effects by an additional 4.5% and 6.5%, respectively, with these impacts intensifying post-2020 to gains of 8.8% on assets and 13.1% on equity for technology-intensive firms. Conversely, firms in traditional sectors with minimal technology adoption showed no statistically significant response to these policy interventions. The findings underscore the efficacy of precisely targeted fiscal incentives and selective policy support for technology sectors in driving successful economic diversification, offering valuable insights for policymakers in resource-rich economies seeking to engineer sustainable, technology-enabled post-oil transitions through firm-level interventions.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».