The Causal Nexus of Consumer and Business Confidence Indexes in Early Pandemic Period: Evidence from OECD Countries
Notice bibliographique
Résumé
The COVID-19 pandemic has been shown dire consequences for the global economy, not only in the past and present but also in the future. These consequences are not only humanitarian but also financial and economic. This article raises the question of whether the state of the health system is a factor that determines the direction of changes in consumer and business sentiment during the COVID-19 or whether other factors are more significant. The goal is to find out whether there is real progress in the national health system of a particular country or a regression and on this base to answer the question: What is more important for the expectations of the population and industry during the spread of the pandemic; the dynamics of the development of the health system or other factors? To assess the dynamics of the development of the health care system in different countries, we used the annual data on individual health indicators of the OECD countries for 2006–2019. There were identified countries with dynamic development and a slowing/deteriorating health system. Based on Granger’s approach in EViews, we used the Augmented Dickey–Fuller test and admit that health care systems are not a determining factor in consumer and business sentiment during a pandemic, i.e., only economic factors. The research contributes to the developed COVID-19 research by examining the impact of the changes in the mutual influence of Confidence indexes and macro indicators during the pandemic.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».