MétaCan
Menu
Retour à la cohorte
Enregistrement W1569513018 · doi:10.3917/redp.151.0129

Paradoxe de Deaton ethabitudes de consommation

2005· article· fr· W1569513018 sur OpenAlexaboutno aff
Sandrine Lardic, Valérie Mignon

Notice bibliographique

RevueRevue d économie politique · 2005
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomics

Résumé

récupéré en direct d'OpenAlex

Dans le cadre du modèle de revenu permanent avec anticipations rationnelles, les variations de la consommation sont plus importantes que celles du revenu. Cette implication du modèle théorique semble cependant difficilement s’accorder avec l’observation empirique mettant en évidence un excès de lissage de la consommation par rapport au revenu. Un tel phénomène est connu sous le nom de paradoxe de Deaton. L’objet de notre article est d’appréhender de manière détaillée ce paradoxe en retenant une approche en termes de mémoire longue (voir aussi Diebold et Rudebusch [1991]). Une telle démarche présente un double intérêt. Elle nous permet en premier lieu de spécifier de manière plus fine la dynamique sous-jacente au revenu des ménages. Cet aspect est fondamental dans la mesure où la mise en évidence empirique du paradoxe de Deaton dépend de façon cruciale du processus générant le revenu. En second lieu, l’approche en termes de mémoire longue nous permet d’établir un lien entre le paradoxe de Deaton et la formation d’habitudes de consommation. Les résultats que nous obtenons suggèrent que le paradoxe de Deaton découle uniquement d’une mauvaise spécification du processus de revenu en Allemagne et au Canada alors qu’il semble être présent en France, au Royaume-Uni et aux États-Unis. En outre, cet excès de lissage de la consommation par rapport au revenu semble résulter de la formation d’habitudes de consommation en France et aux États-Unis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,005
Communication savante0,0030,007
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,249
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue d économie politiqueMême sujetWine Industry and TourismTravaux en français237 207