MétaCan
Menu
Retour à la cohorte
Enregistrement W3123251028

Productivity Growth and International Competitiveness

2014· preprint· en· W3123251028 sur OpenAlexaffabout
Wulong Gu, Beiling Yan

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2014
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensStatistics Canada
Organismes subventionnairesnon disponible
Mots-clésProductivityProduction (economics)Consumption (sociology)International tradeEconomicsForeign direct investmentInvestment (military)Multifactor productivityEuropean unionTotal factor productivityInternational economicsUpstream (networking)Agricultural economicsMacroeconomicsEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper presents estimates of effective multifactor productivity (MFP) growth for Canada, the United States, Australia, Japan and selected European Union (EU) countries, based on the EU KLEMS productivity database and the World Input-Output Tables. Effective MFP growth captures the impact of the productivity gains in upstream industries on the productivity growth and international competitiveness of domestic industries, thereby providing an appropriate measure of productivity growth and international competitiveness in the production of final demand products such as consumption, investment and export products. A substantial portion of MFP growth, especially for small, open economies such as Canada?s, is attributable to gains in the production of intermediate inputs in foreign countries. Productivity growth tends to be higher in investment and export products than for the production of consumption products. Technical progress and productivity growth in foreign countries have made a larger contribution to production growth in investment and export products than in consumption products. The analysis provides empirical evidence consistent with the hypothesis that effective MFP growth is a more informative relevant indicator of international competitiveness than is standard MFP growth.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,046
Tête enseignante GPT0,284
Écart entre enseignants0,238 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetEconomic Growth and ProductivityTravaux en français237 207