The rank and model specification of demand systems: an empirical analysis using United States microdata
Notice bibliographique
Résumé
A rank‐three demand system is estimated with United States Consumer Expenditure Survey microdata. A unique price data set is also used, which permits the analysis of effects of systematic errors in price variables. It is found that errors in price variables bias test results for the rank‐three hypothesis, in particular towards rejection. Other test results are affected to a lesser extent. Estimating smaller systems of demand equations, even when conditioning on excluded goods, yields significantly different results. Another important conclusion is that model specification is statistically significantly different for households of varying family sizes and housing tenure statuses. JEL Classifications: C31, D12. Le rang et la spécification du modèle des systèmes de demande: une analyse empirique utilisant des microdonnées américaines. On calibre un système de demande de rang trois à l'aide de microdonnées américaines tirées de la United States Consumer Expenditures Survey. Un ensemble unique de prix est utilisé afin de permettre l'analyse des effets d'erreurs systématiques dans les variables de prix. Il appert que les erreurs dans les variables de prix distorsionnent les résultats du test de l'hypothèse de rang trois en faveur d'un rejet. D'autres résultats de tests sont affectés à un moindre degré. Si l'on calibre de plus petits systèmes d'équations de demande, même en posant des conditions sur des biens exclus, des résultats qui diffèrent de manière significative s'ensuivent. Une autre conclusion importante est que la spécification du modèle est différente de manière statistiquement significative pour les ménages selon la taille de la famille et le statut domiciliaire.
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 | 0,002 | 0,000 |
| 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 | 0,001 | 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 ».