The Impact of the Great Recession on Economic Wellbeing
Notice bibliographique
Résumé
This chapter looks at the recent Great Recession using the lens of the Index of Economic Wellbeing and available data for the period 1995 to 2010 from 14 countries: Australia, Belgium, Canada, Denmark, Finland, France, Germany, Italy, Netherlands, Norway, Spain, Sweden, the United Kingdom, and the United States. It makes three main points. First, any aggregate index of wellbeing necessarily imposes some weighting of the components of wellbeing. This implies that calculations of trends in aggregate indices can be sensitive to the weighting of components when trends in those components of wellbeing differ, as was the case across these 14 nations in the 2007–2010 period. Second, wealth stocks are accumulated over many years, and the institutions that determine the distribution of income have great inertia within countries. Hence, in normal times neither of these dimensions of economic wellbeing is very sensitive to year‐to‐year variations in output or employment within countries. By contrast, annual consumption flows and measures of economic security are much more sensitive. Third, countries differ a lot in the degree to which economic security and consumption flows vary with year‐to‐year fluctuations in output and employment. Some countries' institutions are clearly much more effective than others in insulating economic security and average consumption from cyclical volatility for any given size of shock.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».