Notice bibliographique
Résumé
Concerns about Canada’s lackluster productivity growth have made it a priority on the public policy agenda. In this paper we argue that we should not automatically interpret declines, or slower growth rates, in aggregate labour productivity as deterioration in living standards because changes in an economy’s terms of trade are also important. Low rates of productivity growth may be the result of welfare improving changes in a country’s terms of trade that shift labour to sectors with declining labour productivity. We use the Generalized Exactly Additive Decomposition (GEAD) procedure to show how 15 sectors have contributed to aggregate business sector productivity growth in Canada from 1997 to 2019. This procedure separates a sectors’ contributions to aggregate productivity growth through relative output price changes, as well as within-sector labour productivity effects and labour reallocation effects. This analysis shows that labour productivity in Canada’s business sector increased by 30.7 percent between 1997 and 2019, an average annual growth rate of 1.2 percent. Finance, Insurance, and Real Estate (FIRE) made the largest contribution to aggregate labour productivity growth and followed by the Mining, Oil and Gas Extraction sector. The only sector that made a negative contribution to aggregate productivity growth was Manufacturing because of declines in the relative price of manufactured goods and the sector’s share of total labour input. Panel regression models indicate that a change in relative prices can indirectly influence a sector’s output per hour through changes in labour inputs. In three resource-based sectors and five service sectors, labour productivity declines when its share of labour input increases in a given year.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».