Age effects on consumer demand: an additive partially linear regression model
Notice bibliographique
Résumé
An additive partially linear regression model is used to estimate non‐parametrically the effects of total expenditure and age in the context of Engel curves and to investigate the specification and welfare interpretation of the age effects in parametric models of consumer behaviour. Empirical analysis based on data drawn from the U.K. Family Expenditure Survey shows that modelling of the effects of age requires a more sophisticated approach than that generally adopted in parametric demand analysis. It also shows that failing to adequately capture these effects can have misleading welfare implications. JEL Classification: C14, D12 L’effet de l’âge sur la demande des consommateurs : un modèle de régression additif partiellement linéaire. On utilise un modèle de régression additif partiellement linéaire pour faire la calibration non paramétrique des effets de la dépense totale et de l’âge dans le contexte de courbes de Engel, et pour enquêter sur la spécification des effets d’âge et leur interprétation en termes de bien‐être dans des modèles paramétriques de comportements du consommateur. L’analyse empirique est construite sur des données de la U.K. Family Expenditures Survey et montre que la modélisation des effets de l’âge réclame une approche plus sophistiquée que celle qui est généralement utilisée dans l’analyse paramétrique de la demande. On montre aussi que le manque à bien saisir ces effets peut conduire à des conclusions fausses pour ce qui est du niveau de bien‐être.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,004 |
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 ».