The Economic Competitiveness of Countries: A Principal Factors Approach
Notice bibliographique
Résumé
Competition is a very important preconditionwhich affects the effectiveness of development of national economy under the conditions of globalization. In classical economics, the competitiveness of countries is determined through production inputs. In the modern era of globalization, it appears that, besides quantifiable factors, qualitative influences or ‘soft’ factors such as political stability, government policies, quality of education, etc., are all important in determining competiveness. The World Economic Forum’s global competitiveness index and the IMD World Competitiveness Yearbook (WCY) are the two most widely used competitiveness indices. Using the same data as the WCY, Principal Components Analysis (PCA) is used in this analysis to develop indices of countries’ competitiveness. The procedure deals with first transforming the original variables to a new set of uncorrelated variables called Principal Components (PC). The new variables are linear combinations of the original variables, independent, and are derived in order of decreasing importance--the first PC accounts for as much as possible of the variation in the original data. We find that the WCY data collection methods could be simplified without compromising quality--which may encourage more countries to participate in the survey. Moreover, the approach developed in this study does not suffer from the same empirical limitations of past attempts to develop indices of the competitiveness of nations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,010 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».