MétaCan
Menu
Retour à la cohorte
Enregistrement W2767619194 · doi:10.5430/rwe.v8n2p59

The Impact of Public Health Expenditure on Economic Development – Evidence from Prefecture-Level Panel Data of Shandong Province

2017· article· en· W2767619194 sur OpenAlexvenueno aff
Lin Li, Maoguo Wu, Zhenyu Wu

Notice bibliographique

RevueResearch in World Economy · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPanel dataPer capitaPublic expenditurePublic healthPublic economicsEconomic growthEconomicsAggregate expenditureGovernment (linguistics)Investment (military)BusinessEnvironmental healthPublic financePolitical science

Résumé

récupéré en direct d'OpenAlex

Public health expenditure is an indispensable part of social economy. The public has always paid close attention to public health expenditure. In order to study the quantitative relation between public health expenditure and social economic development, this paper investigates prefecture-level cities in Shandong Province, due to the unique characteristics of Shandong Province. Making theoretical and empirical contributions, this paper augments the Cobb-Douglas production function with public health expenditure and empirically analyzes economic development of prefecture- level cities in Shandong Province. A panel data set is established, followed by multivariate regression analysis. Empirical results find that public health expenditure per capita and coverage of medical insurance can significantly promote social economic development. However, the expansion and growth of the number of health institutions does not necessarily promote economic development. Instead, it may even hold back economic development by causing personnel redundancy and waste of resources. If the government transfers its investment focus from the scale and the speed of development of medical services to their fairness and efficiency, public health expenditure may vastly improve both public health and economic development.

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)0,014
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,091
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0030,002
Intégrité de la recherche0,0000,001
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 Opus0,736
Tête enseignante GPT0,603
Écart entre enseignants0,133 · 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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in World EconomyMême sujetGlobal Health Care IssuesTravaux en français237 207