MétaCan
Menu
Retour à la cohorte
Enregistrement W1519222000

ANALISIS JUMLAH UANG BEREDAR M2 DAN TINGKAT SUKU BUNGA TERHADAP PERTUMBUHAN EKONOMI DI KALIMANTAN BARAT

2013· article· id· W1519222000 sur OpenAlexaboutno aff
B Syafari

Notice bibliographique

RevueJurnal Curvanomic · 2013
Typearticle
Langueid
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Fiscal Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMoney supplyInterest rateEconomicsQuarter (Canadian coin)Regression analysisIncome elasticity of demandEconometricsElasticity (physics)VariablesAgricultural economicsMonetary economicsMathematicsStatisticsGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The title of the study is Supply Analysis and Growth Rate Against West This study aimed to determine the effect of the money supply and interest to economic growth western Kalimantan and analyze the elasticity of the money supply and interest rates to economic growth western Borneo. This study uses time series data since 2001 first quarter to 2010 fourth quarter, which is the data from the Central Bureau of Statistics and Bank Indonesia. This study using correlative and regression analysis using eviews program. Based on the estimates, the study found that the variables that affect the amount of money supply and interest rates have a very strong relationship to economic growth. Money supply variables significantly influence economic growth and interest rates that significantly influence economic growth. Test results obtained from the elasticity of the elasticity of the money supply and interest rates to economic growth is elastic West Kalimantan. Based on the classic assumption test found that the estimates of the regression model containing positive autocorrelation, does not contain muktikolinearitas, and contains no heterocedastisity. Keywords : Keywords: Economic Growth, Money Supply and Interest Rates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,005

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,210
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal CurvanomicMême sujetEconomic Growth and Fiscal PoliciesTravaux en français237 207