Caractéristiques locales et individuelles : une analyse spatiale de la croissance des établissements en région non métropolitaine
Notice bibliographique
Résumé
L’objectif de cet article est de vérifier si les caractéristiques locales et/ou individuelles influencent la croissance de l’emploi des nouveaux établissements dans la région non métropolitaine du Bas-Saint-Laurent (BSL) au Québec. À partir des microdonnées de nouveaux établissements créés entre 2008 et 2014, des indicateurs de concentration spatiale caractérisent le milieu des établissements dans un rayon de 1250 mètres. Une modélisation en deux étapes par la procédure de Heckman (1979) a permis, d’une part, de modéliser la survie (modèle probit) des nouveaux établissements et, d’autre part, de corriger le biais de sélection et d’estimer la croissance de l’emploi des nouveaux établissements (modèle SDM-Spatial Durbin Model). Les résultats montrent que les caractéristiques individuelles et locales influencent la survie des établissements. Quant à la croissance de l’emploi des nouveaux établissements, c’est en période de récession que le milieu fait la différence. En plus d’être influencée par les caractéristiques individuelles, la spécialisation industrielle relative au secteur du commerce & du transport et la variété reliée se présentent comme des milieux favorables à la croissance des établissements en période de récession.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».