Exploring the Performance of Australian Construction Industry in a Recent Global Recession
Notice bibliographique
Résumé
Available data on the recent global financial crisis (GFC) show that it lasted between the second quarter (Q2) of 2007 and the fourth quarter (Q4) of 2009. Australia is one of the first economies to fully recover from this crisis. This study explorles the role played by the Australian construction industry in stimulating economic growth during the recession. In order to investigate the macro-variability trend during the financial crisis, data were collected and analysed relating to the quarterly GDP of Australia and selected countries between Q1 2000 and Q4 2009. Specifically, changes in the construction industry's GDP were compared with aggregate GDP changes in Australian economy and similar indices in the 'Group of 7' (G7) countries and Organisation for Economic Co-operation and Development (OECD) countries. Moreover, specific attention was focused on Germany, France, Japan, United States of America (USA) and United Kingdom (UK). Graphical and Pearson's correlation methods were used to analyse the relationships between changes in construction GDP and Australia's overall economic growth during the recession. In addition, an attempt was made to develop a regression model for predicting economic growth during the recent recession using changes in gross fixed capital formation (GFCF), changes in construction GDP and the impact of these changes on national economy. Analysis shows a slight contraction in construction activities during the crisis; however construction triggered significant growth in the economy during the crisis period and afterwards. This appears to be the major difference between Australia and other major economies that have experienced a longer recession.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».