Variation de productivité et rendements d'échelle en DEA : l'intégration de la réglementation
Notice bibliographique
Résumé
Ce mémoire est une analyse à la fois théorique et empirique de la méthode du Data Envelopment Analysis (DEA) en présence de réglementation. Deux aspects de cette méthode sont explorés, l'indice de productivité de Malmquist et les rendements d'échelle. Dans un premier temps, nous nous sommes attardés à décrire la mesure conventionnelle de la productivité présentée par Solow en y ajoutant différents facteurs l'influençant, soit les rendements d'échelle non-constants, l'inefficience, les intrants quasi-fixes, l'investissement et la réglementation. Nous y dérivons aussi l'équation faisant le lien théorique entre les rendements d'échelle technologiques et les rendements d'échelle réglementés en s'assurant de bien différencier les deux concepts. Dans un deuxième temps, nous présentons un indice empirique de la mesure de productivité, l'indice de productivité de Malmquist. Suivant la chronologie de la littérature existante, nous intégrons l'inefficience, les intrants quasi-fixes, l'investissement, les rendements d'échelle non-constants et finalement, un pas en avant dans la littérature, la réglementation. Dans un troisième temps, la méthode du DEA est présentée brièvement dans ses qualités et ses défauts. Dans un quatrième temps, nous nous penchons sur le calcul des rendements d'échelle par la méthode du DEA et sur les implications, à la fois méthodologiques et au niveau de l'interprétation, de l'intégration de l'investissement et de la réglementation. Finalement, nous procédons à une analyse de la productivité des transporteurs aériens canadiens en rapport avec la déréglementation du secteur au fil des ans. La réglementation a joué un rôle important dans l'industrie des transporteurs aériens au Canada en ralentissant la croissance de l'efficacité de près de 10 % en moyenne en empêchant l'ajustement optimal des intrants. Le mécanisme par lequel cette diminution de réglementation s'est opérée par le biais de la variation de l'inefficience, i.e. de la gestion des intrants (quasi-fixes et variables). De plus, nous avons montré que la taille optimale de l'industrie fut atteinte avant même la vague de fusion au milieu des années 80, ce qui tend à montrer que ces fusions ne furent pas faite pour profiter de rendements d'échelle encore croissants.
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 | 0,012 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».