MétaCan
Menu
Retour à la cohorte
Enregistrement W2972098831 · doi:10.35120/kij280189t

AN EMPIRICAL INVESTIGATION OF SELECTED FACTORS DETERMINING THE LABOUR PRODUCTIVITY IN MACEDONIA

2018· article· en· W2972098831 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueKnowledge International Journal · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityStandard of livingEconomicsLabour economicsWorkforceProduction (economics)Goods and servicesOrder (exchange)UnemploymentQuarter (Canadian coin)Demographic economicsEconomic growthEconomyMacroeconomicsGeographyMarket economy

Résumé

récupéré en direct d'OpenAlex

Labor productivity is a crucial determinant of one economy’s competitiveness, and it varies across different countries and areas. Productivity growth is important because it contributes to growth in output, income and living standards. There are only two measures which can be used for increasing the level of economic output: one is by applying more labor effort in the production process (such as more jobs) and the second through increases in the productivity of the workforce. Or in other words, it means bringing additional inputs into production; or increase productivity. As labor force growth slows and unemployment remains at relatively low levels, economies increasingly have to enhance productivity in order to maintain the high rates of output and income growth that have become common place over the past few decades. Although there are several reasons for differences in the level of economic development among countries, generally, we can start from the assumption that differences in economic development results from the differences in productivity. At the national level, higher productivity increases living standards as more real income improves people’s ability to consume and demand more goods and services whether they are necessities or luxuries, enjoy leisure, improve housing and education and contribute to social and environmental programs. Despite the significant productivity growth from 2002 to 2008, and again from 2014 to 2017, Macedonia still lags behind the EU average. Macedonia’s labour productivity has negative growth rate from 2017 upwards. It drops by 4.4% in the first quarter compared with a drop of 2.1% in the previous quarter. There are various countries specific case studies and various literature that are exploring the determinants of labour productivity growth in a particular country. This study intends to identify the potential determinants of labour productivity in Macedonia. Based on an extensive literature review, we identify several factors that determine Macedonia’s labour productivity. We quantify the relationship between the productivity growth and physical capital through gross capital formation, human capital through educational structure of employees, foreign direct investments and real wages. On the side of methodology, correlation and regression analysis for testing the relationship between the dependent variable and independent variables are used. The fundamental assumption for a clear econometric analysis is the stationarity of data time series and the regression analysis is followed by studying the stationarity of time series using Unit root test. The study is based on time series and the data on empirical analysis is taken from State Office of the Republic of Macedonia and World Bank. The sources of productivity are complex and they differ from country to country. While growth in productivity and in labour utilization are both sources of improvement in living standards, productivity growth can make a major contribution over the long term.

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.

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)0,001
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 enseignants0,017
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
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 Opus0,051
Tête enseignante GPT0,299
Écart entre enseignants0,248 · 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