Lkw-Verkehrsdaten in der Konjunkturanalyse: Eine Anwendung für die bayerische Wirtschaft
Notice bibliographique
Résumé
Auf der Ebene der Bundesländer liegen bislang nur Halbjahreswerte, aber keine Quartalswerte für das Bruttoinlandsprodukt vor. Damit können für einzelne Bundesländer konjunkturelle Wendepunkte in zeitlicher Hinsicht nicht genau diagnostiziert werden. Als Alternative kann auf die Industrieproduktion zurückgegriffen werden. Um die damit verbundenen Zeitverzögerungen zu verkürzen, werden zeitnäher verfügbare Lkw-Verkehrsdaten zur Bestimmung gesamtwirtschaftlicher Wendepunkte auf Bundesländerebene - hier exemplarisch für Bayern - untersucht. Für einen Vergleich des Lkw-Verkehrs während der Finanzmarktkrise in den Jahren 2008 und 2009 und der aktuellen Corona-Krise werden Daten der Bundesanstalt für Straßenwesen und der Zentralstelle Verkehrsmanagement in Bayern verwendet. Für den gesamten Betrachtungszeitraum bieten die Verkehrsdaten über das Lkw-Aufkommen insgesamt gesehen einen aussagekräftigen Indikator für die Identifikation von Wendepunkten in der Produktion des Verarbeitenden Gewerbes und damit für die gesamtwirtschaftliche Produktion in Bayern. Für das Niveau des Rückgangs der gesamtwirtschaftlichen Leistung können allenfalls grobe Größenordnungen angezeigt werden. Die Verkehrsdaten signalisierten frühzeitig einen zunehmenden Rückgang des realen BIP in Bayern innerhalb des ersten Quartals 2020 und in den Monaten April und Mai. Im Gegensatz zur Finanzmarktkrise von 2008/2009 reagieren die Verkehrsdaten derzeit in der Corona-Krise stärker als die Industrieproduktion, was sich mit der breiteren Sektorwirkung der Pandemie erklären lassen dürfte.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».