When development finance spurs entrepreneurship: New evidence from 5 million projects using a machine learning classifier

Werner, Sven; Trotter, Philipp

doi:doi:10.4419/96973390

Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/341094

Titel:

When development finance spurs entrepreneurship: New evidence from 5 million projects using a machine learning classifier

Autor:innen:

Werner, Sven
Trotter, Philipp

Erscheinungsjahr:

2026

Schriftenreihe/Nr.:

Ruhr Economic Papers No. 1205

Verlag:

RWI - Leibniz-Institut für Wirtschaftsforschung, Essen

Zusammenfassung:

Development finance increasingly funds entrepreneurship in developing countries, but evidence of its impact on entrepreneurship is mixed. Existing studies analyze total development finance flows as entrepreneurship-specific development finance data did not previously exist. By training and validating a machine-learning classifier on development finance project descriptions (2000-2022; 5 million projects; 97% accuracy), we introduce a scalable, replicable measure of specific entrepreneurship-support development finance (ESDF). Crucially, this measure allows us to assess which entrepreneurship margins respond to development finance. In a 19-year panel of 50 developing countries, two-way fixed-effects regressions show that higher ESDF is associated with higher entrepreneurial intentions, while total development finance is not. ESDF is not significantly linked to early-stage entrepreneurial activity, however, suggesting conversion bottlenecks in current entrepreneurial processes.

Zusammenfassung (übersetzt):

Entwicklungsfinanzierung richtet sich zunehmend auf die Förderung von Entrepreneurship im Globalen Süden. Die makroökonomische Evidenz zur Wirksamkeit dieser Förderung ist bislang jedoch uneinheitlich. Bisherige Studien greifen auf aggregierte Daten zur Entwicklungsfinanzierung zurück, da spezifische Daten zur Entrepreneurship-Förderung bislang nicht verfügbar waren. In diesem Papier entwickeln wir ein skalierbares und replizierbares globales Maß für die Förderung von Entrepreneurship durch Entwicklungsfinanzierung (entrepreneurship-support development finance, ESDF). Dazu trainieren und validieren wir ein Machine-Learning-Klassifikationsmodell auf Basis der Beschreibungen von 5 Millionen Entwicklungshilfeprojekten aus den Jahren 2000 bis 2022 (Genauigkeit des Modells: 97 %). Mit diesem Maß kann die Wirkung von ESDF auf verschiedene Stufen des Gründungsprozesses untersucht werden. Auf Basis eines Panels von 50 Ländern über 19 Jahre zeigen Regressionen mit Länder- und Jahreseffekten, dass ein höheres ESDF-Volumen mit stärkeren Gründungsabsichten einhergeht, während sich für aggregierte Entwicklungsfinanzierung kein entsprechender Zusammenhang zeigt. Zugleich ergibt sich kein signifikanter Zusammenhang zwischen ESDF und der Gründungsaktivität. Dies spricht dafür, dass zusätzliche Förderung zwar die Gründungsneigung erhöht, sich aber nicht automatisch in tatsächliche Gründungen übersetzt.

Schlagwörter:

Entrepreneurship-support development finance
international assistance
entrepreneurial intentions
early-stage entrepreneurship
machine learning classification

JEL:

F35
O19
L26
C23
C45

Persistent Identifier der Erstveröffentlichung:

doi:10.4419/96973390

ISBN:

978-3-96973-390-5

Dokumentart:

Working Paper

Erscheint in der Sammlung:

Publikationen von Forscherinnen und Forschern des RWI – Leibniz-Institut für Wirtschaftsforschung
Ruhr Economic Papers, RWI – Leibniz-Institut für Wirtschaftsforschung

Datei(en):

Datei