MétaCan
Menu
Retour à la cohorte
Enregistrement W2131943391 · doi:10.1177/0973801014557391

Income and Employment Multiplier Effects of the Malaysian Higher Education Sector

2015· article· en· W2131943391 sur OpenAlexaff
Siew Hwa Yen, Wooi Leng Ong, Koon Peng Ooi

Notice bibliographique

RevueMargin The Journal of Applied Economic Research · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHigher educationEconomicsPrivate sectorMultiplier (economics)Labour economicsPublic sectorIncome in kindDemographic economicsEconomic growthGross incomePublic economicsEconomyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

The aim of this article is to examine the income and employment multiplier effects of the higher education sector in Malaysia based on conventional input–output methodology. We examined simple, total, Type I and Type II income and employment multiplier effects of private and public higher education institutions (HEIs) in Malaysia. We found that private HEIs have larger direct and indirect income impacts than public HEIs. With the presence of household spending, both public and private HEIs have greater induced income impacts than direct and indirect income generation effects. We also found that Type I multipliers for private and public HEIs lead to additional income of 1.34 and 1.32 for every initial Ringgit of labour income, respectively, while Type II income multipliers for private and public HEIs account for additional income of 3.09 and 3.05, respectively. Higher education creates 1.21 workers per RM 10,000 investment. The overall results show that private higher education has a relatively greater income effect on the economy.compared to public higher education. The higher education sector is also found to be ineffective in creating new employment in the economy. JEL Classification: I23, I25

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,219
Score d'incertitude au seuil0,371

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0000,000

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 Opus0,073
Tête enseignante GPT0,298
Écart entre enseignants0,225 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations17
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMargin The Journal of Applied Economic ResearchMême sujetFiscal Policy and Economic GrowthTravaux en français237 207