AK growth models: new evidence based on fractional integration and breaking trends
Notice bibliographique
Résumé
Résumé D’après les modèles de croissance de type AK, un changement permanent du taux d’investissement a des effets permanents sur le taux de croissance d’un pays. Jones ( Quarterly Journal of Economics , 1995, 110, 495-525) confirme cette prédiction en analysant les propriétés des séries temporelles des taux de croissance du PIB et des taux d’investissement pour quinze pays de l’OCDE pour la période 1950-1988. Dans ce papier, nous testons la même hypothèse pour quatre pays de l’OCDE pour un plus longue période (1870-2002 pour le Canada, le Royaume-Uni et les Etats-Unis, et de 1885-2002 pour le Japon). Aussi, au lieu d’utiliser une approche classique basée sur des processus I(0) ou des processus de racine unitaire I(1), nous utilisons une méthodologie basée sur l’intégration fractionnelle. Après avoir examiné l’ordre d’intégration des taux de croissance du PIB et des ratios d’investissement pour les pays mentionnés auparavant, nous ne pouvons pas rejeter la prédiction concernant les « effets de croissance » des modèles de croissance de type AK. En fait, nous ne pouvons rejeter cette prédiction que pour le cas du Royaume-Uni. Classification JEL – C32, O41.
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 | 0,022 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».