MétaCan
Menu
Retour à la cohorte
Enregistrement W286745821

Globalisation and Labour Productivity in the Malaysian Manufacturing Sector

2012· article· en· W286745821 sur OpenAlexvenueno aff
Rahmah Ismail, Aliya Rosa, Noorasiah Sulaiman

Notice bibliographique

RevueReview of Economics and Finance · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlobalizationProductivityOpenness to experienceForeign direct investmentManufacturingEconomicsPanel dataManufacturing sectorLabour economicsInvestment (military)BusinessEconomic growthMacroeconomicsMarket economyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Globalisation process has forced the Malaysian manufacturing sector to strengthen its ability to compete in the international market. Globalisation, coupled with advancement in information, communication and technology has increased the demand for quality labour, having knowledge and competing to maximise production. The objective of this paper is to analyse the depth of globalisation impact on labour productivity in the Malaysian manufacturing sector. The analysis has used data from the Manufacturing Industrial Survey, Department of Statistics Malaysia comprising 24 years, from 1985 to 2008 and selected six sub-industries. A multiple regression model using panel data is estimated to analyse the relationship between labour productivity using capital-labour ratio, number of labour, foreign direct investment (FDI), foreign labour, economic openness and technology. Findings of the study show that globalisation indicators like FDI and economic openness have negative and significant effect on labour productivity in the manufacturing sector. The dummy period after the year 1995 is positive and significant reflecting that the impact of globalisation on labour productivity in the Malaysian manufacturing sector is higher after the year 1995 as compared to the years prior to 1995.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,476

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,050
Tête enseignante GPT0,215
Écart entre enseignants0,164 · 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'étudeThéorique ou conceptuel
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

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetGlobal trade and economicsTravaux en français237 207