MétaCan
Menu
Retour à la cohorte
Enregistrement W3193751809

Methodology for Adding a Variable to a Synthetic Population from Aggregate Data: Example of the Income Variable

2021· preprint· en· W3193751809 sur OpenAlexaff
Boyam Yaméogo, Pierre‐Olivier Vandanjon, Pierre Hankach, Pascal Gastineau

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2021
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensMinistère des Transports
Organismes subventionnairesnon disponible
Mots-clésVariable (mathematics)Aggregate (composite)EconometricsEconomicsPopulationAggregate dataComputer scienceMathematicsStatisticsSociologyDemography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper presents a framework to tackle the problem, which has received little attention in the literature, of adding variables to a synthetic population from aggregate data. The work herein thus enriches the existing literature by proposing a new and e icient methodology to meet this practical need. The methodology integrates three distinct stages, the first of which theoretically models the problem as a multinomial distribution. The addition of a new variable is formulated as an entropy maximization using the variables available in both the synthetic population and aggregate data. Solving this problem (in our specific case study) is not possible due to the large number of constraints involved. The second stage then presents a heuristic yielding a practical solution to the problem. This heuristic combines Bayes' theorem with the cross-entropy minimization algorithm. However, given the large number of parameters to be estimated by the proposed heuristic, some of the results obtained prove to be invalid. To rectify this shortcoming, a post-processing method is applied during a third stage to ensure the consistency of our results. The methodology is described in great detail, and examples are provided for a better understanding of these three stages. Also, this methodology is applied to a real-world case study. An income is allocated to each of the 157 000 households in the French city of Nantes based on aggregate data from the FiLoSoFi database. Income constitutes an essential microsimulation variable for taking many social and economic aspects into account (e.g. household purchasing power, redistribution policy, tax policy). Special attention is also paid to the reproducibility of our results with the databases and R-scripts used, all of which are freely available. This method remains general and is indeed applicable to other variables with available aggregate data.

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)0,007
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,147
Tête enseignante GPT0,257
Écart entre enseignants0,110 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetEconomic and Environmental ValuationTravaux en français237 207