The relationship between economic growth and e-commerce at the beginning of covid-19 pandemic in east Java
Notice bibliographique
Résumé
The purpose of this study is to analyse the simultaneous spatial relationship between economic growth and e-commerce as well as the spillover effect between the two variables in East Java at the beginning of the Covid-19 pandemic in 2020. To answer the research objectives, spatial simultaneous modeling is used with the Spatial Autoregressive Generalized Spatial Three Model. Stage Least Square (SAR-GS3SLS) using rook contiguity. Based on the results of the SAR-GS3SLS, it can be concluded that at the beginning of the Covid-19 pandemic in 2020 in East Java, economic growth and e-commerce were simultaneously spatially interconnected. Variables that affect East Java's economic growth are e-commerce activities, the number of villages that have Base Transceiver Stations (BTS) and the spatial lag of economic growth (ρ1) while the open unemployment rate (TPT) and the Gini ratio have no significant effect on growth. economy. Variables that affect e-commerce are economic growth, internet banking users, percentage of population who have cellphones, number of millennials, number of villages that have ATMs and spatial lag of e-commerce (ρ2) while the number of villages with 4G/LTE signals has no effect on e-commerce. commerce. Regencies/cities that provide the highest spillover of economic growth and e-commerce in East Java are Malang, Mojokerto and Madiun Regencies. The three districts were able to provide a positive net spillover.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».