Correlation within SNCF Administrative Regions among Track Segment Maintenance Cost Equation Residuals of a Countrywide Model
Notice bibliographique
Résumé
Using as reference a recent France-wide model of rail infrastructure maintenance cost where regression model residuals associated to track segments are assumed to be similarly correlated among themselves within the 23 administrative regions of the national firm (SNCF), we attempt to explain the presence of the strong positive and stationary correlation coefficient estimated in this manner and to probe the extent to which the assumption of a common correlation coefficient across administrative regions might be refined and interpreted.We first find that country-wide within-region correlation among residuals is not weakened if regional dummy variables are added to the model in the hope of finding interpretative clues, notably of the presence of climate effects unaccounted for in the model specification.The implicit regionspecific weather effects indirectly so represented turn out to be extremely weak, if present at all, and do not affect the strength of extant within-region correlation or the need to make sense of it.We then explore differences in correlation coefficient estimates among regions and show that, within the reference maintenance cost model, two large geographic groupings of regions, each comprising in the East or in the North about 15% of total available track segments, in fact have own residuals that are uncorrelated among themselves, in contrast to the more numerous 70% of segment residuals remaining in the rest of regions, which as a group remain robustly and positively correlated, and in a stationary manner.As the two groupings with uncorrelated residuals closely match the networks of regional firms merged into the SNCF conglomerate in 1938, we hypothesize, faute de mieux and in the absence for the moment of refined local climate variables to pursue unpromising missing variable tests, that within-firm accounting traditions might have survived centralized management control of the assignment of track surveillance, maintenance and repair invoices to track sections centrally defined for accounting management purposes.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».