MétaCan
Menu
← Retour à la cohorte
Enregistrement W4322771011 · doi:10.3390/jrfm16030166

Influence of Underutilization of Production Capacities on the Dynamics of Russian GDP: An Assessment on the Basis of Production Functions

2023· article· en· W4322771011 sur OpenAlexvenueno aff
С. В. Баранов, Tatiana Skufina, Vera Samarina

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Theory and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProduction (economics)EconomicsCobb–Douglas production functionEconometricsProduction functionCapital (architecture)Function (biology)Econometric modelFactors of productionFixed assetValue (mathematics)Russian economyMacroeconomicsMathematicsEconomic systemStatistics

Résumé

récupéré en direct d'OpenAlex

Sustainable development of the state implies a proportional change in the key macroeconomic indicators described by standard models, one of which is the exponential production function (a special case of the Cobb-Douglas function), where the number of employees (labor) and the value of fixed assets (capital) acts as factor inputs, and GDP becomes the output, and output elasticities of production factors are estimated. This function is successfully used to analyze and predict macroeconomic processes in both developed and developing economies. The purpose of the study is to use econometric modeling—applying the exponential Cobb-Douglas production function—to identify the presence or absence of dependencies of production factors (labor, capital, etc.) on the final product output in Russia. The study shows that in Russia, GDP does not significantly depend on fixed assets. The authors hypothesized that this discrepancy is due to underutilization of production capacities and proved that to reveal the real dependence of Russian GDP production on the value of fixed assets it is necessary to adjust the indicators published by Rosstat for utilization of production capacities, which made it possible to fully use the methodological capabilities of production functions for the analysis and forecasting of macroeconomic processes in Russia.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,240
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial management→Même sujetEconomic Theory and Policy→Travaux en français237 207→