MétaCan
Menu
Retour à la cohorte
Enregistrement W1591097562 · doi:10.1108/17410401111123535

TFP growth, technological progress and efficiencies change

2011· article· en· W1591097562 sur OpenAlexaffabout
Mahamat Hamit‐Haggar

Notice bibliographique

RevueInternational Journal of Productivity and Performance Management · 2011
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésTotal factor productivityAllocative efficiencyEconomicsProductivityProduction–possibility frontierTechnological changeTechnology gapPanel dataOpenness to experienceTechnical changeManufacturingLabour economicsEconometricsInternational tradeMacroeconomicsBusinessMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to apply a stochastic Frontier production model to Canadian manufacturing industries, to investigate the sources of total factor productivity (TFP) growth. As productivity (growth) appears to be the single most important determinant of a nation's living standard or its level of real income over long periods of time, it is important to better understand the sources of productivity growth. In Canada, TFP growth is the major contributing factor (relative to changes in capital intensity) to labour productivity growth, particularly in manufacturing sector. However, the TFP gap is also the main source of labour productivity gap between Canada and other industrialized (Organization for Economic Co‐operation and Development) countries in recent years. Design/methodology/approach In this paper, a stochastic Frontier production model is applied to Canadian manufacturing industries to investigate the sources of TFP growth. Using a comprehensive panel data set of 18 industries over the period 1990‐2005 and the approach proposed by Kumbhakar et al. and Kumbhakar and Lovell, TFP growth is decomposed into technological progress (TP), changes in technical efficiency, changes in allocative efficiency and scale effects. Findings The decomposition reveals that during the period under study, TP has been the main driving force of productivity growth, while negative efficiency changes observed in certain industries have contributed to reduce average productivity growth. In addition, the empirical results show that research and development expenditure, information and communications technology investment, as well as trade openness exert a positive impact on productivity growth through the channel of efficiency gains. Originality/value The author argues that the decomposition carried out in this study may be very helpful to elicit the correct diagnosis of Canada's productivity problem and develop effective policies to reverse the situation, thereby reducing Canada's lagging productivity gap.

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 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 enseignants0,248
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

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

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 Opus0,065
Tête enseignante GPT0,221
Écart entre enseignants0,156 · 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.

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

Citations6
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Productivity and Performance ManagementMême sujetEconomic Growth and ProductivityTravaux en français237 207