Evaluating the Influence of Remittance Inflow on the Health and Education Sector for Local Households
Notice bibliographique
Résumé
Purpose. The article investigates the extent to which international remittances influence household investment in education and health in Bangladesh, comparing remittance-receiving and non-receiving households. The study aims to determine whether remittances act as a catalyst for human capital development at the microeconomic level. Method. The research adopts an explanatory mixed-method design. Primary data were collected from 400 rural households through a multistage random sampling survey in Hathazari Upazila. Econometric analysis was conducted using multiple regression and Seemingly Unrelated Regression (SUR) models to measure the impact of demographic, economic, and social variables on household investment patterns. Findings. Results show that remittances significantly increase spending on education and health. Age, education level, and gender of the household head, household size, dependency ratio, migrant’s duration abroad, and income level all shape investment decisions. Remittance-receiving households allocate more funds to improving human capital than non-receiving families, demonstrating remittances’ positive welfare effect. Theoretical implications. The study reinforces the remittance-led development hypothesis, providing micro-level evidence that migrant transfers contribute to household-level socio-economic upgrading. Practical implications. Policy measures should focus on formalising remittance flows, integrating migrants into financial systems, and designing incentives for productive investment in education and healthcare.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».