The NIRCU and the Phillips curve: an approach based on micro data
Notice bibliographique
Résumé
In this paper we propose a straightforward method to derive a non-inflationary rate of capacity utilization (NIRCU) based on micro data.We condition the current capacity utilization of firms on their current and planned price adjustments.The noninflationary capacity utilization rate is then defined as the rate where a firm feels no price adjustment pressure.One of the main advantages is that this methodology uses structural aspects and does not make it necessary to operate with -often rather arbitrary -statistical filters.We show that our aggregate NIRCU performs remarkably well as an indicator of inflationary pressure in a Phillips curve estimation.JEL classification: E31, E32, E52 Le NIRCU et la courbe de Phillips : une approche ancrée dans les micro-données.Dans ce mémoire, on propose une méthode simple pour dériver le taux non-inflationniste d'utilisation de la capacité (NIRCU) à partir de micro-données.On établit l'utilization de la capacité des firmes sur la base des ajustements (présents ou anticipés) de prix.Le taux non-inflationniste d'utilisation de la capacité est alors défini comme celui o ù la firme ne ressent aucune pression pour ajuster ses prix.L'un des principaux avantages de cette approche est que cette méthodologie utilise les aspects structurels et ne nécessite pas qu'on utilise des filtres statistiques souvent arbitraires.On montre que le NIRCU agrégé performe relativement bien en tant qu'indicateur de la pression inflationniste dans la calibration de la courbe de Phillips.
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 | 0,005 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».