MétaCan
Menu
Retour à la cohorte
Enregistrement W2748740686

What drives employment growth of Canadian Businesses? A Fresh Look at Indicators of Agglomeration Economies when Competition and Diversity Matter

2014· article· en· W2748740686 sur OpenAlexaboutno aff
Cong Wang, Bodo Steiner

Notice bibliographique

RevueUniversity of Southern Denmark Research Portal (University of Southern Denmark) · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economics and Spatial Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomies of agglomerationDiversity (politics)Competition (biology)Economic geographyBusinessEconomicsEcologyEconomic growthPolitical scienceBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study investigates indicators of external scale economies in Canada for the period 2004-11. Accounting for firm-level external scale forces, we explore the extent to which external scale economies impact employment growth. Our analysis focuses on three factors: the impact of external scale economies accounting for Marshallian specialization and Jacobs diversity, competition by industry, and related and unrelated firm varieties in terms of employment and sales. Results accounting for non-linearity between employment growth and agglomeration suggest that in the short run, during the period 2004-2011, local competition and diversity in Canada have had a positive impact on employment growth, while the effect of Marshallian specialization is negative; during the period of the global financial crisis and immediately thereafter (2008-2011) however, the magnitude of the positive effect of competition and diversity is lower, while the negative effect of specialization on employment growth is also smaller and rather insignificant. In the long run, a peak threshold for specialization and diversity is found, while a lower bound threshold for competition can be identified. Moreover, diversity is found an insignificant employment growth determinant in the agricultural sector, while concentration contributes insignificantly to employment growth in the industry sector.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,372
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,021
Tête enseignante GPT0,190
Écart entre enseignants0,168 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Southern Denmark Research Portal (University of Southern Denmark)Même sujetRegional Economics and Spatial AnalysisTravaux en français237 207