Labour Productivity in European Non-Financial Corporations: The Roles of Country, Sector, and Size
Notice bibliographique
Résumé
This study aims to investigate the determinants of labour productivity across European non-financial entities using aggregated data from the Bank for the Accounts of Companies Harmonized (BACH) database. Focusing on six European Union countries (Belgium, France, Italy, Portugal, Poland, and Spain). Annual information from 2010 to 2023 is used (the last available year), including three size classes (small, medium-sized and larger entities) per division (two-digit code) by year and by country, totalling 14,188 observations. The combination of sectors and class sizes varies from 191 to 208 by country. It uses gross value added per employee as a proxy for labour productivity. Using a fixed-effects estimator and panel data regression techniques, the analysis reveals that labour productivity explanatory factors, particularly firm size, profitability, financialisation, leverage, and tangibility, have heterogeneous and sometimes contradictory effects across countries, sectors, and size classes. Larger firms generally tend to have higher levels of labour productivity, although this feature is not consistent among countries. Size and profitability more consistently exert a strong positive influence, whereas financialisation and leverage typically show negative or nonlinear effects. The results highlight the structural diversity of the European corporate landscape and challenge the adequacy of one-size-fits-all policy measures, contributing to the literature on productivity and offering further insights to policymakers by integrating cross-sectional, sectoral, and size-specific perspectives on labour efficiency within the EU context.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».