MétaCan
Menu
Retour à la cohorte
Enregistrement W1991337910 · doi:10.1111/twec.12170

Absolute and Conditional Convergence in Both Zones of <scp>C</scp>yprus: Statistical Convergence and Insitutional Divergence

2014· article· en· W1991337910 sur OpenAlexaff
Vedat Yorucu, Özay Mehmet

Notice bibliographique

RevueWorld Economy · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésConditional convergenceConvergence (economics)EconomicsProductivityPer capita incomeEconometricsPer capitaDivergence (linguistics)Total factor productivityEconometric modelPopulationMacroeconomicsDemography

Résumé

récupéré en direct d'OpenAlex

Abstract This paper implements a time series econometric model to determine the timing of full convergence of incomes and output per capita and total factor productivity in the N orth and S outh of C yprus, regardless of whether there is a political settlement or not. A significant dimension of the paper is its emphasis on institutional convergence, going beyond econometric or statistical convergence. Our results reveal that N orth C yprus needs 17 years to catch up to full per capita income convergence, 16 years for per capita output convergence and 17 years for full total factor productivity (technological) convergence. The time‐series findings demonstrate that statistical convergence is occurring quite rapidly as the N orth is catching up to the average income and productivity levels of the S outh, which may confirm evidence of unconditional (beta) or absolute convergence, but there are significant differences between N orth and S outh in savings, tastes, population growth and technology. Most significantly, there are institutional differences highlighted in the study with a Two‐sector model of gate‐keeping and rent‐seeking which validates the premises of conditional convergence. Put differently, there are strong forces of divergence hidden behind our statistical findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,017
Tête enseignante GPT0,203
Écart entre enseignants0,186 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld EconomyMême sujetEconomic Growth and ProductivityTravaux en français237 207