MétaCan
Menu
Retour à la cohorte
Enregistrement W2755035679 · doi:10.5539/ijef.v9n10p145

Economic Crisis in Europe: Panel Analysis of Inflation, Unemployment and Gross Domestic Product Growth Rates

2017· article· en· W2755035679 sur OpenAlexvenueno aff
Bibi Rouksar-Dussoyea, Ho Ming-Kang, R. Raja Rajeswari, Benjamin Chan Yin-Fah

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPanel dataPanel analysisEconomicsGross domestic productGranger causalityUnemploymentInflation (cosmology)Causality (physics)Real gross domestic productFixed effects modelEconometricsDemographic economicsMonetary economicsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

This panel analysis study is conducted to examine the relationship between inflation rates (CPI) and unemployment rates (HUR) with the Gross Domestic Product growth rates (GDP), before and after the 2008 European crisis. Quarterly data for 18 consecutive years and six sample countries from Europe (Austria, France, Germany, Greece, Hungary and United Kingdom) have been considered in the panel. In order to get a more profound understanding of the impacts of the European crisis on the relationship between the variables, the panel data set has been classified into 3 separate panels, such that Panel 1 (1999Q1-2007Q4) represents before-crisis panel, Panel 2 (2008Q1-2016Q4) represents the during/after crisis panel and lastly, Panel 3 (1999Q1-2016Q4) represents the long-run panel. Panel 1 is subject to the Fixed Effects with LSDV model, whereby four out of the six countries are significant, and CPI and HUR are insignificant predictors of the GDP. Both Panel 2 and Panel 3 are subject to the Two-way Random Effects model, whereby both CPI and HUR have negative significant effect on GDP. Granger Causality test has also been carried out to determine whether causality is present among variables, based on each panel.

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)0,004
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,037
Tête enseignante GPT0,268
Écart entre enseignants0,231 · 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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetFiscal Policy and Economic GrowthTravaux en français237 207