MétaCan
Menu
Retour à la cohorte
Enregistrement W616368880 · doi:10.3233/jem-130380

Correction for variations in capacity utilization in the measurement of productivity growth: A non-parametric approach

2013· article· en· W616368880 sur OpenAlexaffabout
Wulong Gu, Weimin Wang

Notice bibliographique

RevueJournal of Economic and Social Measurement · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensStatistics Canada
Organismes subventionnairesnon disponible
Mots-clésProductivityParametric statisticsEconomicsEconometricsComputer scienceStatisticsMacroeconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

The multifactor productivity growth estimate published by statistical agencies should be corrected for the effect of the short run variations in capacity utilization for such estimate to be a measure of technological progress. But such correction is not normally made as the rate of capacity utilization is often not observed. This paper develops a nonparametric approach for adjusting multifactor productive growth measure for variation in capacity utilization over time. In the approach developed here, the capital utilization measure is derived from the economic theory of production and is estimated by comparing the ex-post return with the ex-ante expected return on capital. The approach offers a practical solution that can be used by statistical agencies to adjust for capacity utilization in their multifactor productivity growth measure. The nonparametric approach is implemented using the data for the manufacturing sector from the Canadian Productivity Program of Statistics Canada, and is found to correct for the bias from the variation in capacity utilization in that sector.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,091
Score d'incertitude au seuil0,460

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,148
Tête enseignante GPT0,241
Écart entre enseignants0,094 · 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.

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

Citations3
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Economic and Social MeasurementMême sujetEconomic Growth and ProductivityTravaux en français237 207