Nexus between Macroeconomic Factors and Economic Growth in Malaysia: An Autoregressive Distributed Lag Approach
Notice bibliographique
Résumé
This study digs into the complex relationship that exists between the development of GDP in Malaysia and major macroeconomic variables. It is of the utmost importance to gain an understanding of the elements that influence GDP development to reduce the risk of sociopolitical instability. Because nations are becoming more aware of the various elements that could potentially affect economic growth, this study was prompted to determine the precise mechanisms that are at play because of this awareness. This study employs the Autoregressive Distributed Lag (ARDL) methodology to yield robust statistical insights into the nexus between macroeconomic variables and economic growth in Malaysia. We have used quarterly data ranging from the initial quarter (Q1) of 2000 to the last quarter (Q4) of 2020 for our analysis. The findings of this study provide important insights into the dynamic links between GDP growth and the selected macroeconomic determinants. As a result, the findings provide policymakers, academics, and practitioners with significant information that can be used to design economic plans that are informed by relevant data. In addition, this study emphasizes the necessity for future research endeavors to go deeper into this topic, bringing attention to the requirement for new views and the active participation of new academics, politicians, and practitioners. This concerted effort is necessary to promote sustainable economic growth and stability in Malaysia and elsewhere.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 | 0,002 |
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 ».