MétaCan
Menu
Retour à la cohorte
Enregistrement W3121245831 · doi:10.1920/wp.ifs.2004.0415

Changes in the world distribution of output-per-worker 1960-98: how a standard decomposition tells an unorthodox story

2017· paratext· en· W3121245831 sur OpenAlexaff
Paul Beaudry, Fabrice Collard, David A. Green

Notice bibliographique

Revuenon disponible
Typeparatext
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensUniversity of British ColumbiaBishop's University
Organismes subventionnairesnon disponible
Mots-clésDecompositionDistribution (mathematics)StatisticsMathematicsEconometricsBiologyMathematical analysisEcology

Résumé

récupéré en direct d'OpenAlex

Why have some countries done so much better than others over the recent past? In order to shed new light on this issue, this paper provides a decomposition of the change in the distribution of output-per-worker across countries over the period 1960-98. The main finding of the paper is that most of the change in shape of the world distribution of income between 1960-1998 can be accounted for by a very substantial and previously unrecognized change in the parameters driving the growth process. In particular, we show that the role of capital deepening forces - that is the role of investment rates and population growth in affecting output - increased dramatically over the period 1978-98 versus 1960-78, and that this increase can account for almost all the observed changes in the world distribution. In contrast, we do not find any significant effects coming through non-linear convergence mechanisms or increased importance of education; both of which have played prominent roles in recent discussion of economic performance. Our results therefore highlight that the period 1978-98 was particularly advantageous to countries which strongly favored capital accumulation and hence suggests that research aimed at understanding recent differences in economic performances across countries needs to focus on explaining why the social returns to physical capital accumulation where abnormally high over the period 1978-98.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 GPT0,271
Écart entre enseignants0,221 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEconomic Growth and ProductivityTravaux en français237 207