MétaCan
Menu
Retour à la cohorte
Enregistrement W2969330097

New BEA-BLS Estimates of the Sources of U.S. Economic Growth between 1987 and 2016

2019· article· en· W2969330097 sur OpenAlexvenueno aff
Corby Garner, J.P. Harper, Thomas F. Howells, Matt Russell, Jon D. Samuels

Notice bibliographique

RevueInternational productivity monitor · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsTertiary sector of the economyCapital (architecture)Labour economicsService (business)Manufacturing sectorProduction (economics)Aggregate incomeIncome distributionEconomyMacroeconomicsInequalityGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article describes new historical statistics for the BEA-BLS integrated industry-level production account. The dataset includes KLEMS and integrated MFP measures that are consistent with the official BEA GDP by Industry statistics and now covers 1987-2016. The most important source of economic growth over the period was the accumulation of capital input. More than three quarters of the contribution of capital was driven by the accumulation of capital inputs in the service sector. The next most important source of economic growth over the period was the accumulation of labour input. Growth in labour input in the services sectors accounted for almost all the economy-wide contribution of labor input. MFP growth accounted for about twenty percent of aggregate economic growth. Of this, the manufacturing sector contributed more than half of this growth, but almost all of this was due to growth in MFP of the computer electronic products industry. Finally, the new dataset shows that the decline in the aggregate income share paid to labour in the manufacturing sector was mostly due to a decrease in the share of income paid to workers without a college degree. In contrast, workers with a college degree accounted for most of the increase in the income share of labour in the service sectors.

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)0,000
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 enseignants0,169
Score d'incertitude au seuil0,548

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,220
Écart entre enseignants0,203 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational productivity monitorMême sujetEconomic Growth and ProductivityTravaux en français237 207