A Dynamic Approach to Estimating and Testing Separability in U.S. Demand for Imported and Domestic Meats
Notice bibliographique
Résumé
The paper develops dynamic model of demand for domestic and imported meats and compares the performance of the dynamic model called the general AIDS error correction model (GAECM) with the static linear approximate almost ideal demand system (LA/AIDS) model. A test for separability is developed based on the long‐run solution to the dynamic model. The results indicate rejection of the static model in favor of the dynamic model. Homogeneity and symmetry are shown to hold for the dynamic model but are strongly rejected for the static model. Finally, separability between domestic and imported meats is rejected for all models at the 5% level of significance. However, the results of the dynamic model based on the corrected likelihood test with a low p‐value (p= 0.038) indicate that rejection of separability is borderline. Le présent article porte sur l'élaboration d'un modèle dynamique de la demande de viandes produites au pays et de viandes importées, et compare la performance du modèle dynamique appelé modèle général de correction d'erreur AIDS avec le modèle statique LA/AIDS. Un test de séparabilité est élaboré d'après la solution à long terme du modèle dynamique. Les résultats indiquent le rejet du modèle statique en faveur du modèle dynamique. L'homogénéité et la symétrie sont valables pour le modèle dynamique, mais sont fortement rejetées dans le cas du modèle statique. Finalement, la séparabilité entre les viandes produites au pays et les viandes importées est rejetée pour tous les modèles à un seuil de signification de 5 p. 100. Cependant, les résultats du modèle dynamique, fondés sur la correction du test du rapport des vraisemblances avec une faible valeur p (p = 0,038), indiquent que le rejet de la séparabilité se situe à la limite.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 0,000 |
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 tête enseignante, 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 ».