Notice bibliographique
Résumé
When there is uncertainty about estimates of the margin of unused capacity in the economy, examining a range of inflation indicators may help in assessing the balance of risks regarding the outlook for inflation. This paper tests a wide range of observable variables for their leading-indicator properties with respect to core inflation, including: commodity prices, cost indicators, measures of capacity pressures in labour and product markets, and components of the consumer price index (CPI) itself. After a preliminary screening of indicators using Granger causality tests, estimated bivariate indicator models generate post-sample static forecasts one quarter ahead and two quarters ahead over the period 1995(Q1)–1999(Q1). A ridge regression technique is used to optimally combine selected bivariate forecasts into multivariate forecasts. The root-mean-squared errors of both the bivariate and multivariate forecasts are compared with those of benchmark models—a Phillips curve, an autoregressive model, and two naive models. The results show that several indicator models generate lower forecast errors than the benchmark models over the post-sample period. Several CPI components, as well as the Bank of Canada commodity price index in U.S. dollars, the industrial product price index for electrical products, the average prices for resale housing in four major cities, and the ratio of unfilled orders to shipments in manufacturing are among the best predictors of core inflation. The paper also briefly discusses the limitations of indicator models, including the possibility that predictions from such models may not tell us much about the underlying pressure of demand on production capacity or the fundamental trend in inflation.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».