The Two Forms of FDI and Productive Investment : the Impact of the Real Exchange Rate
Bibliographic record
Abstract
Dans ce travail, nous analysons et comparons les comportements de localisation de trois différentes formes d'investissements durables (les greenfields seuls, les investissements directs étrangers totaux (IDE) et les investissements productifs intérieurs). Parmi un groupe de déterminants, dont une large partie est inspirée de la littérature empirique existante, nous étudions tout particulièrement le rôle que joue le taux de change réel sur l'attractivité des territoires vis-à-vis de chacun de ces investissements. Un tel examen est opéré à partir d'une économétrie de données de panel. Il consiste à tester un modèle de référence sur les greenfields, les IDE totaux ainsi que sur les investissements productifs – avec des spécifications adaptées à chaque cas – et à interpréter l'ensemble des résultats et en particulier les écarts obtenus. Pour appréhender les variables dépendantes, nous nous appuyons sur les séries statistiques de la CNUCED et de l'OCDE, ainsi que sur celles du FDI Markets (Financial Times), et de l'European Investment Monitor (Ernst & Young) qui ont jusqu'à présent été peu exploitées, voire ignorées, par les études portant sur le sujet. Plusieurs échantillons (global, européen et OCDE) et plusieurs périodes (2004-2010, 1998-2010, 1995-2010) sont retenus en fonction de la disponibilité des données. Nos résultats indiquent que les greenfields, les IDE totaux (et donc, par déduction, les fusions-acquisitions) et les investissements productifs répondent à des critères de localisation bien différents correspondant à leurs caractéristiques propres. L'impact qu'exerce notamment le taux de change réel sur chacun de ces capitaux est des plus intéressants. De faibles prix relatifs apparaissent ainsi comme attirant de façon sensible les investissements productifs, qu'ils soient d'origine domestique ou étrangère (greenfields). En revanche, il semble que ces prix relatifs n'aient aucune influence sur les recompositions transnationales de capital, déduites à partir des IDE totaux.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".