The Ability of Selected European Countries to Face the Impending Economic Crisis Caused by COVID-19 in the Context of the Global Economic Crisis of 2008
Notice bibliographique
Résumé
This paper is devoted to the ability of selected European countries to face the potential economic crisis caused by COVID-19. Just as other pandemics in the past (e.g., SARS, Spanish influenza, etc.) have had negative economic effects on countries, the current COVID-19 pandemic is causing the beginning of another economic crisis where countries need to take measures to mitigate the economic effects. In our analysis, we focus on the impact of selected indicators on the GDP of European countries using a linear panel regression to identify significant indicators to set appropriate policies to eliminate potential negative consequences on economic growth due to the current recession. The European countries are divided into four groups according to the measures they took in the fiscal consolidation of the last economic crisis of 2008. In the analysis, we observed how the economic crisis influences GDP, country indebtedness, deficit, tax collection, interest rates, and the consumer confidence index. Our findings include that corporate income tax recorded the biggest decline among other tax collections. The interest rate grew in the group of countries most at risk from the economic crisis, while the interest rate fell in the group of countries that seemed to be safe for investors. The consumer confidence index can be considered interesting, as it fell sharply in the group of countries affected only minimally by the crisis (Switzerland, Finland).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».