MétaCan
Menu
Retour à la cohorte
Enregistrement W2089700062 · doi:10.1142/s1793969013500015

THE CONTRIBUTION OF HUMAN CAPITAL TO CHINA'S ECONOMIC GROWTH

2010· article· en· W2089700062 sur OpenAlexaff
John Whalley, Zhao Xiliang

Notice bibliographique

RevueChina Economic Policy Review · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensCentre for International Governance InnovationWestern University
Organismes subventionnairesnon disponible
Mots-clésHuman capitalTotal factor productivityEconomicsCapital deepeningGrowth accountingChinaPhysical capitalCapital (architecture)Capital intensityCapital accumulationCapital formationMonetary economicsProductivityDevelopment economicsLabour economicsFinancial capitalMacroeconomicsMarket economyGeography

Résumé

récupéré en direct d'OpenAlex

This paper develops a human capital measure in the sense of The results indicate that human capital plays a much more important role in China's economic growth than available literature suggests, 38.1% of economic growth over 1978-2008, and even higher for 1999-2008. In addition, because human capital formation accelerated following the major educational expansion increases after 1999 (college enrollment in China increased nearly fivefold between 1997 and 2007) while growth rates of GDP are little changed over the period after 1999, total factor productivity increases fall if human capital is used in growth accounting as we suggest. TFP, by our calculations, contributes 16.92% of growth between 1978 and 2008, but this contribution is -7.03% between 1999 and 2008. Negative TFP growth along with the high contribution of physical and human capital to economic growth seem to suggest that there have been decreased in the efficiency of inputs usage in China or worsened misallocation of physical and human capital in recent years. These results underscore the importance of efficient use of human capital, as well as the volume of human capital creation, in China's growth strategy.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,543
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,003

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 Opus0,015
Tête enseignante GPT0,259
Écart entre enseignants0,244 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations18
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChina Economic Policy ReviewMême sujetEconomic Growth and ProductivityTravaux en français237 207