MétaCan
Menu
Retour à la cohorte
Enregistrement W1971632700 · doi:10.5539/mas.v8n5p197

About the Method of Analysis of Economic Correlations by Differentiation of Spline Models

2014· article· en· W1971632700 sur OpenAlexvenueno aff
Ruslan Hizrailevich Ilyasov

Notice bibliographique

RevueModern Applied Science · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEconomic and Technological Developments in Russia
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpline (mechanical)Spline interpolationEconometricsThin plate splineMathematicsInterpolation (computer graphics)Computer scienceStatisticsThermodynamicsPhysicsImage (mathematics)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

The article considers spline approximation as one of efficient methods of modeling economic dynamics. Spline approximation of economic dynamics allows carrying out qualitative and accurate transition from discrete values of a lattice function to a continuous model of a process, which allows calculating values of a studied index at any time point (interpolation). Spline representation improves the quality of economic dynamics modeling while saving the real values of the studied process at each time point. In this article, differentiation of spline models is used for analysis of the economic indexes growth rate. Correlations are detected and itemized by comparison of derivatives. The possibility of detecting "latent trends" is demonstrated by differentiation of spline models of the dynamics using the example of economic indexes of the oil and gas market of Russia. For example, in the first case, we consider spline models of the dynamics of export prices for oil and natural gas. Here, the correlation of the studied indexes is obvious and is detected by both calculation of the correlation ratio and visualization of the studied rows of dynamics with spline models. As an opposite example, we consider the dynamics of the volumes of oil and natural gas export. In this case, we gain the correlation ratio close to zero, which is to evidence absence of correlation. Modeling of the studied dynamics with cubic splines also does not detect any correlation between the dynamics of volumes of the oil and gas export. Our assumptions about "latent trends" are also confirmed by differentiation of spline models – the correlation between the change rate of the volumes of the oil and gas export is detected. Use of spline functions at economic dynamics modeling is determined with such positive properties of theirs as continuity, flexibility, differentiability, the property of minimal curve, etc.

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)0,010
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,005
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,004
Communication savante0,0030,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,305
Écart entre enseignants0,277 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetEconomic and Technological Developments in RussiaTravaux en français237 207