Forecasting the Effect of Migrants’ Remittances on Household Expenditure: COVID-19 Impact
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
The unexpected pandemic has provoked changes in all economic sectors worldwide. COVID-19 has had a direct and indirect effect on countries’ development. Thus, the pandemic limits the movements of labour forces among countries, restricting migrants’ remittances. In addition, it provokes the reorientation of consumer behaviour and changes in household expenditure. For developing countries, migrant remittances are one of the core drivers for improving household wellbeing. Therefore, the paper aims to analyse how the COVID-19 pandemic has affected household expenditure in Ukraine, as being representative of a developing country. For this purpose, the data series were compiled for 2010 to the second quarter of 2021. The data sources were as follows: Ministry of Finance of Ukraine, The World Bank, and the State Statistics Service of Ukraine. The core variables were as follows: migrants’ remittances and expenditure of households by the types. The following methods were applied to achieve the paper’s aims: the Dickey–Fuller Test Unit Root and the ARIMA model. The findings confirmed that COVID-19 has changed the structure of household expenditure in Ukraine. Considering the forecast of household expenditure until 2026, it was shown that due to changes in migrants’ remittances, household expenditure in all categories tends to increase. The forecasted findings concluded that household expenditure on transport had the most significant growth due to changing migrants’ remittances.
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 | 0,002 | 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) | 0,002 | 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