Pengaruh PAD, DAU, DAK dan DOK terhadap Produk Domestik Regional Bruto
Notice bibliographique
Résumé
A B S T R A C T PDRB is defined as a number of additional values that is resulted of whole efford units in a region or as whole numbers of the final goods and fees from the entire of economic units of a region. PDRB’s level is able to describe a regional economic growth. The hight of economic growth level is appointed with the hight of value’s level of PDRB, in which is that region has economic progress. PAD, DAU, DAK, and DOK are the factors which have contribution into PDRB construction. According to that the purpose of this research is to identify how many influences among PAD, DAU, DAK, and DOK to PDRB in the Papua province. In doing this research is used multiple regretion analization method by using 5 years data of PAD, DAU, DAK, and DOK during 2009 to 2013. There are significant research result PAD, DAU, DAK and DOK to PDRB. A B S T R A K PDRB didefinisikan sebagai jumlah nilai tambah yang dihasilkan dari seluruh unit efford di wilayah atau sebagai nomor seluruh barang akhir dan biaya dari seluruh unit-unit ekonomi suatu daerah. Tingkat PDRB adalah mampu menggambarkan pertumbuhan ekonomi regional. Hight tingkat pertumbuhan ekonomi ditunjuk dengan hight tingkat nilai tentang PDRB, di mana adalah bahwa daerah memiliki kemajuan ekonomi. PAD, DAU, DAK, dan DOK merupakan faktor yang memiliki kontribusi dalam pembangunan PDRB. Menurut bahwa tujuan dari penelitian ini adalah untuk mengidentifikasi berapa banyak pengaruh antara PAD, DAU, DAK, dan DOK terhadap PDRB di provinsi Papua. Dalam melakukan penelitian ini digunakan metode multiple regresi Alat analisa dengan menggunakan 5 tahun data PAD, DAU, DAK, dan DOK selama 2009 hingga 2013. Ada signifikan hasil penelitian PAD, DAU, DAK dan DOK terhadap PDRB. JEL Classification: H83, M12
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 ».