MétaCan
Menu
Retour à la cohorte
Enregistrement W2011221476 · doi:10.1787/jbcma-2010-5kmk18msndxq

Chain-linking in Austrian quarterly national accounts and the business cycle

2010· article· en· W2011221476 sur OpenAlexaboutno aff
Marcus Scheiblecker

Notice bibliographique

RevueOECD Journal Journal of Business Cycle Measurement and Analysis · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNational accountsOutlierEconometricsEconomicsBusiness cycleSeasonal adjustmentQuarter (Canadian coin)Index (typography)Price indexSeries (stratigraphy)Moving averageOrder (exchange)MacroeconomicsStatisticsMathematicsComputer scienceGeographyFinance

Résumé

récupéré en direct d'OpenAlex

In 2005, European Union member countries began to calculate national account volume estimates using prices from the previous year, rather than from a fixed base year. For quarterly national accounts, the average of the total previous year – and not of the previous quarter – began to serve as the price basis. This allows for the use of a Laspeyres-type quantity index. In order to obtain a time series of absolute values of volume estimates, it is necessary to chain-link growth rates. This is straightforward when calculating annual figures, but when calculating quarterly figures, EU countries can choose from one of three methods. This results in different outputs, time-series properties and, possibly, price-adjusted quarterly national account figures. The current study demonstrates the different results obtained using the three methods, when applied to Austrian quarterly GDP data. I observe the consequences of consecutive time-series-based processing, such as seasonal adjustment and business cycle analysis. Although dating turning points are rather robust using all three methods, seasonal and workday adjustment and detection of outliers based on time-series modelling can be negatively affected, as can business cycle dating.

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)0,004
score de la tête « metaresearch » (Gemma)0,034
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 enseignants0,006
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,011
Études des sciences et des technologies0,0000,000
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,048
Tête enseignante GPT0,222
Écart entre enseignants0,174 · 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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOECD Journal Journal of Business Cycle Measurement and AnalysisMême sujetMonetary Policy and Economic ImpactTravaux en français237 207