MétaCan
Menu
Retour à la cohorte
Enregistrement W2250186706

A Dynamic Shift-Share Analysis of Economic Growth in West Virginia

2012· article· en· W2250186706 sur OpenAlexvenueno aff
Saman Janaranjana Herath Bandara, Tesfa G. Gebremedhin, Blessing M. Maumbe

Notice bibliographique

RevueJournal of rural and community development · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economic and Spatial Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReal estateTertiary sector of the economyAgricultureEconomic sectorInvestment (military)Shift-share analysisEconomicsWest virginiaEconomic expansionBusinessEconomyFinanceGeographyMacroeconomicsPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A regional economy consists of industries with a variety of economic potentials. A growth or decline in any of these sectors affects the overall growth of the economy. Analysis of economic growth by sector of a particular region helps policy makers, community leaders and researchers in better decision making and problem solving. This study analyzes the employment growth pattern and policy implications in the economic development of West Virginia using a dynamic shift share analysis. The study uses employment data for 38 years from 1970 to 2007 for the empirical analysis. Results indicate that agriculture, mining and manufacturing are no longer the backbone of the economy of West Virginia. The three sectors showed employment declined within the 38-year period. Service and financial insurance and real estate are the most robust sectors contributing 91% of employment growth from 1970 to 2007. Apart from these two sectors, the wholesale and retail and construction sectors showed positive economic growth. Identification of investment priorities within these potential sectors and implementation of a comprehensive regional development policy plan would definitely accelerate the economic growth of West Virginia. Key Words: Dynamic shift-share, employment, economic growth, West Virginia

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,022
Tête enseignante GPT0,226
Écart entre enseignants0,203 · 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

Citations14
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of rural and community developmentMême sujetRegional Economic and Spatial AnalysisTravaux en français237 207