Statistical and Econometric Analysis of Selected Effects of COVID-19 Pandemic
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.
Notice bibliographique
Résumé
Abstract The paper examines the impact of the COVID-19 pandemic on macroeconomic activity in the selected European countries. The studies are based on monthly and quarterly indicators of GDP, unemployment rates and key indicators of the tourism sector. To present how COVID-19 has affected these macroeconomic variables, statistic data from the three periods are compared. Namely, data are collected from the pre-pandemic period, i.e. the fourth quarter of 2019 as the reference period, the second period covers the first quarter of 2020 and means the beginning of the pandemic, and the third one covers second quarter of 2020, during which the pandemic has spread to all the analyzed countries. The following statistical techniques are used in the research: regression analysis, the hierarchical grouping of agglomerations, k-means method, and selected non-parametric tests (Kruskal-Wallis test for a selected group of countries and Kolmogorov-Smirnov test for a selected pair of countries). The results show the significant impact of the pandemic on the level of gross domestic product, unemployment rate and turism sector. In most cases, a correlation between incidence of COVID-19 infections, unemployment rate and GDP is observed. The statistical techniques also allow to demonstrate the similarities and differences in the response of the economies to the COVID-19 pandemic. Central Statistical Offices of the selected countries are the main data source and for all calculations Statistica version 13.3. is used.
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 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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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 découle