The measurement of economic diversification with reference to regional unemployment
Notice bibliographique
Résumé
Over the past four years, considerable attention has been focused on the problems of high unemployment in the State of Oregon. The percentage of jobless continued to be higher than that of the nation. The depressed housing market, caused by high interest rates, coupled with an increase in the import of Canadian timber managed to reduce the demand for Oregon lumber and wood products drastically. This has resulted in an abnormally high unemployment rate in many of Oregon's counties which are dependent on the wood industry; for example, the 1980 jobless rate in Harney County reached a record high of 29 percent. On the other side of the spectrum, less dependent counties such as Gilliam and Morrow continued to grow during the same period, with unemployment rates of merely 4.9 and 5.8 percent respectively. These rates are approximately half the state average. Community leaders, including the Governor, seem convinced that the only solution is economic diversification. It is an argument that makes a great deal of sense at first glance. The notion here is that if you diversify you will become less vulnerable to outside forces and hence will have a more stable economy. But what is diversification? How can we tell that one region is more diversified than another? Furthermore, having a diversified economy, does this ensure a lower rate of unemployment? The thrust of this dissertation deals with providing answers to these questions. Three schools of thought--ogive-norm, portfolio variance and entropy--were examined in an effort to determine a more proper measure of economic diversification. Various statistical procedures of hypothesis testing were employed together with stepwise regression and analysis of variance. The research findings indicate that there is a definite relationship between economic diversification and regional unemployment. However, only 28 percent of the change in the rate of unemployment is explainable by changes in the levels of diversification. (The necessary data were provided by the State of Oregon - Employment Division).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».