MétaCan
Menu
Retour à la cohorte
Enregistrement W1576701954 · doi:10.3386/w9240

Decomposing the Twin-peaks in the World Distribution of Output-per-worker

2002· article· en· W1576701954 sur OpenAlexaff
Paul Beaudry, Fabrice Collard, David A. Green

Notice bibliographique

RevueNational Bureau of Economic Research · 2002
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDistribution (mathematics)EconomicsDemographic economicsInvestment (military)Human capitalPopulationConvergence (economics)Income distributionPhysical capitalContrast (vision)Economic geographyEconometricsEconomic growthDemographyInequalityMathematicsPolitical sciencePhysics

Résumé

récupéré en direct d'OpenAlex

This papers examines changes in the distribution of per-worker-output across countries over the period 1960-98, with a particular focus on identifying the forces behind the hollowing out of the middle of the distribution and the associated emergence of a twin-peaks phenomenon.The main finding of the paper is that most of the change in shape of the world distribution of income between 1960-1998 can be accounted for by changes in the parameters driving the growth process.In particular, we show that role of physical capital investment and population growth in affecting output growth has increased substantially over the period and that this increase can account for all the hollowing-out of the distribution.In contrast, we do not find that changes in the distribution of variables played much of a role, nor do we find any significant effects coming through non-linear convergence mechanisms or increased importance of education.Our results suggest that research aimed at understanding changes in the world distribution of income should focus on explaining why the social returns to physical capital accumulation where so high over the period 1978-98.The paper ends by discussing elements that help understand this phenomena.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,283
Tête enseignante GPT0,407
Écart entre enseignants0,124 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetEconomic Growth and ProductivityTravaux en français237 207