MétaCan
Menu
Retour à la cohorte
Enregistrement W4206065882 · doi:10.7202/1083637ar

Quels impacts de l’aide financière sur la performance des établissements manufacturiers en région non-métropolitaines ? Une réponse par méthode d’appariement spatial

2021· article· fr· W4206065882 sur OpenAlexaffvenueabout
Catherine Belleau-Arsenault, Jean Dubé

Notice bibliographique

RevueCanadian Journal of Regional Science · 2021
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

L’allocation d’aides financières gouvernementales soulève toujours un certain débat. Est-ce que les aides financières ont un réel impact sur la performance des entreprises ? Cet article s’intéresse aux impacts de l’aide financière sur la performance des entreprises manufacturières en région non-métropolitaine (Bas-St-Laurent, Québec, Canada). La performance est mesurée sous deux angles distincts, mais complémentaires : i) la survie des établissements et ii) la croissance de l’emploi. Une analyse par méthode d’appariement ( matching ), basée sur les caractéristiques individuelles et les caractéristiques du voisinage, permet d’isoler l’effet des aides à partir d’une riche base de micro-données portant sur l’ensemble des établissements actifs sur le territoire du Bas-Saint-Laurent entre 2006 et 2015. Les résultats montrent que les aides financières gouvernementales ont un effet positif sur la croissance de l’emploi des établissements ainsi que sur la survie des établissements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,195
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,237
Écart entre enseignants0,204 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Regional ScienceMême sujetFirm Innovation and GrowthTravaux en français237 207