MétaCan
Menu
Retour à la cohorte
Enregistrement W2758892402 · doi:10.5539/mas.v11n10p137

A Johansen Cointegration Test for the Relationship between Remittances and Economic Growth of Japan

2017· article· en· W2758892402 sur OpenAlexvenueno aff
Suwastika Naidu, Atishwar Pandaram, Anand Chand

Notice bibliographique

RevueModern Applied Science · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRemittanceEconomicsCointegrationGranger causalityEconomic growthEconometrics

Résumé

récupéré en direct d'OpenAlex

Remittance inflows have been a key stimulus to economic growth of many developing countries. There is scant literature available on the impact of remittance inflows and outflows on the economic growth of the large developed countries. For instance, there is little literature on the impact of remittance inflows and outflows on the economic growth rate of Japan. Hence this research objective of this paper is to investigate the relationship between ‘remittance inflows’ and ‘outflows’ on the ‘economic growth rate’ of Japan. The paper by utilizing the World Bank data set and the econometric model namely the Granger Causality Model to test and analysis the impact of remittance inflows and outflows on the economic growth rate of Japan. The findings show that in the long run, a 1% increase in remittance outflows will decrease GDP growth rate by 0.000793%. In the short run, a 1% increase in remittance outflows and inflows will decrease GDP growth rate by 0.000599% and 0.000327% respectively. The Japanese government should encourage retired Japanese workers to return to the labour market and effectively contribute to the workforce and retired workers can be re-trained so that less foreign migrant workers are needed and this will reduce remittance outflow.

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)0,005
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,053
Tête enseignante GPT0,326
Écart entre enseignants0,272 · 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

Citations21
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetMigration and Labor DynamicsTravaux en français237 207