MétaCan
Menu
Retour à la cohorte
Enregistrement W1921553128 · doi:10.3968/j.css.1923669720100604.008

Dynamic Effects of the Chinese GDP and Number of Higher Education Based on Cointegrating

2010· article· en· W1921553128 sur OpenAlexvenueno aff
Feixue Huang, Cheng Li

Notice bibliographique

RevueCanadian social science · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Governance and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCointegrationGranger causalityVariance decomposition of forecast errorsError correction modelUnit root testEconomicsGross domestic productEconometricsTest (biology)Johansen testScale (ratio)Sample (material)Unit rootReal gross domestic productVariance (accounting)ChinaMacroeconomicsAccountingPolitical scienceGeography

Résumé

récupéré en direct d'OpenAlex

This study’s objective was to the issue for the impact between regular higher education scale and GDP in China. We integrate Unit Root Test, Cointegration Test, Vector Error Correction Model (VECM), Variance Decomposition, etc. The sample is to use the annual data of GDP and number of Students Enrollment of Regular Institutions from 1952 to2004. Empirical results show that there is co-integration relation between GDP and number of Students Enrollment of Regular Institutions and economic growth can affect higher education scale and the contribution of education to economic growth is increasing gradually. To achieve good interaction between higher education and economic growth, the advice is that make scientific policy of regular higher education scale’s expansion.Key Word: Gross Domestic Product (GDP); Granger causality test; Vector Error Correction Model; Cointegration Test; number of Students Enrollment of Regular Institutions

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)0,000
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 enseignants0,175
Score d'incertitude au seuil0,952

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
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 Opus0,003
Tête enseignante GPT0,297
Écart entre enseignants0,294 · 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

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian social scienceMême sujetHigher Education Governance and DevelopmentTravaux en français237 207