Aggregate Labour Productivity Growth in Canada and the United States: Definitions, Trends and Measurement Issues
Notice bibliographique
Résumé
The purpose of this paper is to provide a thorough discussion of the definitional and data issues associated with the measurement of aggregate labour productivity growth in Canada and the United States. The paper examines all data sources for output, employment and hours estimates in the two countries, and attempts to identify the series that are the most appropriate for the calculation of aggregate labour productivity ?both from the perspective of the methodological merits of each series and of cross-country comparability. It also assesses the sensitivity of Canada-U.S. aggregate labour productivity growth comparisons to the choice of monitoring trends at the total economy or business sector level, investigates the sources of the differences between trends and comparisons assessed at each level, and discusses the advantages and disadvantages of making comparisons at each level. The paper finds compelling reasons to believe that the monitoring of total economy productivity trends is desirable in addition to the more common practice of focusing on the business sector. Canada has lagged the United States in terms of aggregate labour productivity growth over 1981-2003 to a much smaller degree according to total economy trends than according to business sector trends. This is caused by very high measured labour productivity growth in the non-business sector in Canada relative to the United States, which calls into question the reliability of productivity growth comparisons made at the total economy level. This also raises questions about the comparability of GDP growth between the two countries.
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,012 | 0,053 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».