Intangible Assets and Their Contribution to Productivity Growth in Ontario∗
Notice bibliographique
Résumé
Recent empirical studies confirm that investment in intangible assets is a non-negligible component of business sector output. The contribution of intan-gible capital to total labour productivity growth is comparable to that of tangi-ble capital for a wide range of the countries, including the US, UK, Canada, Ger-many, France etc. Following Corrado et al. (2005) and Baldwin et al. (2012), this paper focuses on an assessment of business sector investment in intangible assets and an analysis of the contribution of intangible capital to labour produc-tivity growth at the provincial level in Canada, namely in Ontario. The findings indicate that the Ontario business investment in intangible assets accounts on average for 10 percent of revised business sector output in the 1998-2008 period. The growth rate of real investment in intangibles exceeds that of investment in tangible assets. Investment in economic competencies is as large as investment in innovative property and computerized information combined. The results of this growth accounting exercise demonstrate that intangible capital contributes significantly to the total labour productivity growth in Ontario. In 1998-2008 intangible capital contributed on average 26.2 percentage points to total labour productivity growth while tangible capital contributed 17.9 percentage points and labour composition contributed 8.7 percentage points. Innovative property contributed the most among all categories of intangible capital, followed by economic competencies and computerized information.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».