MétaCan
Menu
Retour à la cohorte
Enregistrement W2092941164 · doi:10.11130/jei.2004.19.3.470

Income Convergence in the Asia-Pacific Region

2004· article· en· W2092941164 sur OpenAlexafffund
Leo Michelis, Simon Neaime

Notice bibliographique

RevueJournal of Economic Integration · 2004
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésConvergence (economics)Openness to experienceEconomicsConditional convergencePopulationEast AsiaFinancial crisisInternational economicsDevelopment economicsMacroeconomicsGeographyDemography

Résumé

récupéré en direct d'OpenAlex

This paper uses the concepts of σ-convergence and β-convergence to evaluate empirically the hypothesis of income convergence in the Asia-Pacific region, and its subsets of East Asia and ASEAN during the period 1960-1999.Because of the East Asian financial crisis in the late 1990s, the analysis is carried out sequentially, first for the period 1960-1990 and then for the period 1960-1999.For the former period, we find evidence of conditional β-convergence in a group of 17 APEC countries and in 10 EASTASIA countries.No evidence of income convergence is found for the ASEAN group of countries.For the latter period, there is weak evidence of conditional βconvergence in a group of 16 APEC countries, and much weaker evidence of income convergence in EASTASIA.We attribute this finding to the damaging effects of the financial crisis in the second half of the 1990s.Also, the empirical evidence shows that openness to international trade is statistically the most important variable for sustaining economic growth in the Asia-Pacific region.Of the other variables macroeconomic stability has a positive impact on growth, while government spending and population growth have a negative effect in general.

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)0,006
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,033
Tête enseignante GPT0,226
Écart entre enseignants0,193 · 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

Citations26
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Economic IntegrationMême sujetEconomic Growth and ProductivityTravaux en français237 207