MétaCan
Menu
Retour à la cohorte
Enregistrement W2143372795

Changes in the Terms of Trade and Canada's Productivity Performance

2008· preprint· en· W2143372795 sur OpenAlexaboutno aff
Revised April, W. Erwin Diewert

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2008
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTotal factor productivityDepreciation (economics)EconomicsProductivityLabour economicsNet incomeReal gross domestic productNet national incomeGrowth accountingGross domestic incomeGross incomeAgricultural economicsCapital formationHuman capitalMacroeconomicsEconomic growthPublic economicsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Using new data from Statistics Canada, the paper shows that the productivity performance of the business sector of the Canadian economy has been reasonably satisfactory over the past 46 years. In particular, traditional gross income Total Factor Productivity (TFP) growth averaged 1.14 percentage points per year over the period 1961-2006 and when a net income framework was used, TFP growth averaged 1.26 percentage points per year. The focus of the study is on the real income generated by the business sector of the Canadian economy. Two concepts of income are used: a gross concept that includes depreciation as a part of income and a more appropriate net concept where depreciation is excluded from income. In both the gross and net income frameworks, the growth of quality adjusted labour input growth was the main driver of growth in real income followed by TFP growth, followed by growth in capital input and then by falling real import prices. However, in recent years, the contribution of falling real import prices turned out to be more than twice as important as capital deepening. The study encountered many data problems which should be addressed in future work on Canadian business sector productivity performance.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,417
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
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 Opus0,044
Tête enseignante GPT0,248
Écart entre enseignants0,204 · 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'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

Citations13
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetEconomic Growth and ProductivityTravaux en français237 207