MétaCan
Menu
Retour à la cohorte
Enregistrement W2797663909 · doi:10.17722/ijme.v10i3.979

Population Pyramid And Economic Growth: An Econometric analysis of Sri Lanka

2018· article· en· W2797663909 sur OpenAlexvenueno aff
Pivithuru Janak Kumarasinghe, Anuraj Wickramasinghe

Notice bibliographique

RevueInternational Journal of Management Excellence · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsPopulation growthPopulationGranger causalitySri lankaContext (archaeology)Consumption (sociology)Real gross domestic productDevelopment economicsMacroeconomicsEconometricsSocioeconomicsGeographyDemography

Résumé

récupéré en direct d'OpenAlex

Economists are torn between basically three schools of thoughts where the first theory states that the population growth will stimulate the economic growth of a country and other believes that the population growth will bring detrimental or adverse impact to the economic growth. Not only that, but there is another school of thought, which believes that the population growth is a neutral factor in economic growth. Given this diverse of opinions, through this study it is expected to established a firm relationship between the population growth and the economic growth of Sri Lanka. This study developed an econometric model using time series data from 1980 to 2015 and tested the relationship not only the GDP of Sri Lanka, but other significant variables of an economy such as Domestic Savings, Private consumption and Total Investment as well. The results of this study indicate absence of a long term relationship between the population growth and the GDP of Sri Lanka and there will be no any relationship between the other selected variables and the population growth of Sri Lanka. The Granger Causality Analysis found out a unidirectional relationship between the GDP and the population growth, running from population growth to GDP. The study concludes that in Sri Lankan context, the population growth will not have any significant impact on the economic growth.

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 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 enseignants0,010
Score d'incertitude au seuil0,621

Scores Codex et Gemma par catégorie

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

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 Opus0,053
Tête enseignante GPT0,449
Écart entre enseignants0,396 · 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.

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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Management ExcellenceMême sujetGlobal Health and EpidemiologyTravaux en français237 207