Club convergence in regional labor productivity: how do Australian states and territories compare to the US, UK, and Canadian subnational regions?
Notice bibliographique
Résumé
Abstract Developing strategies to enhance productivity growth requires identifying leading and lagging regions, industries, and growth drivers. However, there are limited cross-country studies using subnational data. Our study goes beyond the traditional country convergence approach and estimates labor productivity convergence using Philips and Sul’s club convergence approach and subnational data from 2004 to 2020. We aim to determine whether labor productivity growth rates in Australian states and territories are equal, converging, or divergent as compared to United States, United Kingdom, and Canadian subnational regions. The results show that five Australian jurisdictions, including Western Australia and New South Wales, are in the high labor productivity group (Club 1), while the remaining three i.e., Australian Capital Territory, Victoria, and Queensland, are in the moderate growth group (Club 2). We also used fixed effects models with least squares dummy variable estimators to identify the club’s characteristics. The results show that regions with a high proportion of employees in information and communications technology, energy, mining, and resources experienced higher labor productivity growth than those with a manufacturing sector. Human capital, innovation, and household disposable income were associated with high labor productivity, whereas high old-age dependency and children-to-women ratios were associated with lower growth. These results are consistent with the macroeconomic phenomenon that economic development leads to inequality and polarization in certain regions of a country. Nonetheless, the findings are useful for decision-makers and researchers to use in benchmarking and improving regional strategies by identifying regional peers and factors that influence convergence or divergence that can be improved. The results provide insightful findings for consideration by policymakers seeking to boost labor productivity or to bridge regional gaps in productivity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».