MétaCan
Menu
Retour à la cohorte
Enregistrement W4390719782 · doi:10.26480/msmk.02.2023.103.113

APPLICATION OF DYNAMIC REGRESSION (DR) TO MODELING OF THE GROSS DOMESTIC PRODUCT (GDP) OF NIGERIA

2023· article· en· W4390719782 sur OpenAlexaboutno aff
B. Biremo, Ibraheem Raji, Ilugbo S.O.

Notice bibliographique

RevueMatrix Science Mathematic · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueStock Market Forecasting Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGross domestic productStock exchangeEconomicsMarket capitalizationQuarter (Canadian coin)Stock marketRegression analysisEconometricsReal gross domestic productGross outputMacroeconomicsStatisticsMathematicsFinanceGeography

Résumé

récupéré en direct d'OpenAlex

This study examine the significant contribution of Nigeria Stock Market towards the Gross Domestic Product. The main objective of this work is to assess the level of Stock Market stability in Nigeria by applying Dynamic Regression to modeling of Gross Domestic Product (GDP) using the Quarterly Gross Domestic Product at 1990 constant basic prices of Nigeria from the first quarter of 1985 to the third quarter of 2013. Quarterly all Share Index of the Nigerian Stock Exchange from the first quarter of 1985 to the fourth quarter of 2013 and finally Quarterly Market Capitalization of the Nigerian Stock Exchange for the same period. It was observed that the relationship is statistically significant, which allows the stock market to have an impact on the Nigerian Economy. It was concluded that Government and Economic planner should take more advantage of statistical tools in studying the relationship between the GDP movement and the Stock Exchange.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,033
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,802
Score d'incertitude au seuil0,975

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0190,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,010
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,089
Tête enseignante GPT0,458
Écart entre enseignants0,369 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMatrix Science MathematicMême sujetStock Market Forecasting MethodsTravaux en français237 207