MétaCan
Menu
Retour à la cohorte
Enregistrement W1990331496 · doi:10.1162/asep_a_00009

Measuring Economic Integration in the Asia-Pacific Region: A Principal Components Approach

2010· article· en· W1990331496 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAsian Economic Papers · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensAsia Pacific Foundation of Canada
Organismes subventionnairesnon disponible
Mots-clésConvergence (economics)Index (typography)TourismComposite indexEconomic integrationForeign direct investmentChinaSample (material)EconomicsPrincipal component analysisEconomic indicatorInvestment (military)GeographyComposite indicatorEconomyEconomic geographyInternational economicsEconometricsMathematicsEconomic growthStatisticsMacroeconomicsPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

This paper measures economic integration in the Asia-Pacific (AP) region using a composite index. The weights of the index are obtained from a two-stage principal component analysis. In the first stage, we obtain a convergence index to measure the extent of convergence among the main macroeconomic indicators of a sample of AP economies. In the second stage, we use indicators of trade, FDI, and tourism, as well as the convergence index, to compute the weights for the composite index. We found that economic convergence in the AP region increased until 1998 but has since fallen back. The integration of trade, investment, and people flows increased between 1990 and 2000, weakened slightly to 2003, and has since picked up again. Among the 17 sample economies, Singapore, Hong Kong, and Chinese Taipei are the most integrated with the AP region and Indonesia and China are the least integrated.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,609
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,204
Écart entre enseignants0,153 · 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