MétaCan
Menu
Retour à la cohorte
Enregistrement W2768950075 · doi:10.5430/rwe.v8n2p1

Will Inequality Affect Growth?: Evidence from USA and China since 1980

2017· article· en· W2768950075 sur OpenAlexvenueno aff
Yongqing Wang

Notice bibliographique

RevueResearch in World Economy · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsDepreciation (economics)CointegrationInequalityChinaEconomic inequalityShort runReal gross domestic productAffect (linguistics)Per capita incomeDevelopment economicsMacroeconomicsDemographic economicsEconometricsEconomic growthGeographyHuman capital

Résumé

récupéré en direct d'OpenAlex

Income inequality may hinder economic growth is a widespread concern. The results from previous literature are mixed. Although both USA and China is an excellent case study by itself, it is even interesting to compare them given they are the two largest economies in the world, and yet completely different from each other. We employ annual data from 1980 to 2012 and apply cointegration to study the effects of income inequality on real GDP per capita and real GDP of both USA and China. We also include the exchange rate into the model to examine possible effects of depreciation on growth. The main findings are: first, depreciation does not affect the growth of USA. Second, depreciation promotes growth of China in the short-run, but may hurt its growth in the long-run. Third, income inequality will hurt growth of USA in the short-run, while it encourages its growth in the long-run. Finally, income inequality may promote growth of China in both short-run and long-run.

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)0,011
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,202
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,003
Science ouverte0,0010,001
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 Opus0,177
Tête enseignante GPT0,444
Écart entre enseignants0,267 · 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in World EconomyMême sujetIncome, Poverty, and InequalityTravaux en français237 207