La relation entre finance et croissance revisitÉe dans les pays DE L’Afrique subsaharienne : BANQUES VERSUS MARCHÉS financiers
Bibliographic record
Abstract
L’objectif de cet article est d’analyser la relation entre les banques et les marchés financiers des pays de l’Afrique subsaharienne et leurs contributions relatives à la croissance. Nous mettons l’accent sur les effets séparés des banques et des marchés financiers sur la croissance. Nous distinguons en effet deux indicateurs : la variable « activité – structure » qui mesure l’importance du marché des actions par rapport aux banques et la variable « activité – finance » qui tient compte en même temps du développement des banques et des marchés financiers. Les pays de l’échantillon sont ceux ayant des marchés financiers relativement développés. L’utilisation des tests de Granger et ses prolongements montre que la causalité hétérogène est rejetée. L’estimateur Mean Group (MG) nous a permis d’évaluer les coefficients de long terme de la relation. Nos estimations montrent l’effet dominant des banques sur les marchés financiers et l’existence d’une relation de complémentarité entre ces deux principales sources de financement de l’activité économique. Ce résultat est confirmé lorsque nous estimons la relation sans tenir compte de l’Afrique du Sud.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".