MétaCan
Menu
Retour à la cohorte
Enregistrement W3004003797 · doi:10.3390/jrfm13020021

How to Explain When the ES Is Lower Than One? A Bayesian Nonlinear Mixed-Effects Approach

2020· article· en· W3004003797 sur OpenAlexvenueno aff
Nguyễn Ngọc Thạch

Notice bibliographique

RevueJournal of risk and financial management · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic theories and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVietnameseConstant elasticity of substitutionElasticity of substitutionEconometricsUnitary stateEconomicsBayesian probabilityProduction (economics)Substitution (logic)Function (biology)Production functionNonlinear systemRandom effects modelCobb–Douglas production functionMicroeconomicsMathematicsComputer scienceStatistics

Résumé

récupéré en direct d'OpenAlex

Most studies in Vietnam use the Cobb-Douglas production function and its modifications for economic analysis. Extremely rigid presumptions are a main weak point of this functional form, particularly if the elasticity of factor substitution (ES) is equal to one, which hides the role of the ES for economic growth. The CES (constant elasticity of substitution) production function with more flexible presumptions, concretely its ES, is not unitary, and has been used more and more widely in economic investigations. So, this study is conducted to estimate the average ES through the specification of an aggregate CES function for the Vietnamese nonfinancial enterprises. By performing Bayesian nonlinear mixed-effects regression via Random-walk Metropolis Hastings (MH) algorithm, based on the data set of the listed nonfinancial enterprises of Vietnam, the author found that the CES function estimated for the researched enterprises has an ES lower than one, i.e., capital and labor are complimentary. This finding shows that Vietnamese nonfinancial enterprises can confront a downward trend of output growth.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,179
Écart entre enseignants0,163 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetEconomic theories and modelsTravaux en français237 207