MétaCan
Menu
Retour à la cohorte
Enregistrement W4312504717 · doi:10.55365/1923.x2022.20.21

Understanding Economic Processes Through the Lens of Econometric Methods

2022· article· en· W4312504717 sur OpenAlexvenueno aff
Maryna Abramova, Olha Zaremba, Svitlana Nuzhna, S. Moroz

Notice bibliographique

RevueReview of Economics and Finance · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEconomic and Technological Developments in Russia
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGross domestic productEconometric modelProduct (mathematics)State (computer science)EconomicsMacroeconomicsBalance (ability)EconometricsEconomic statisticsComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

In this study, the authors highlight the importance of studying the impact of export transactions on changes in gross domestic product as the main indicator of the state of the national economy. To substantiate the feasibility of using the method for estimating multiple dependence equations, the authors compare the capabilities of some econometric approaches, and indicate the feasibility of using each of them. The emphasis has been placed on the importance of examining the state of export-import transactions as an inseparable part of the country's balance of paymentsthe information obtained is an integral part of the system for understanding the dynamics of the constituent economic processes. To verify the interdependence of changes in economic phenomena, it is proposed to use the method of statistical equations of dependencies, which made it possible to model changes in the volume of export transactions and gross domestic product by 2025, using Ukraine as an example. By comparing the results obtained by the authors and official forecast data (on the example of some statistical data of Ukraine), certain recommendations are made regarding the possible improvement of the effectiveness of forecasting macroeconomic indicators of the state of the national economy. The results presented in this study can be used to increase the efficiency (improvement) of methodological apparatuses for forecasting economic processes in states with developed market economies.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,815
Score d'incertitude au seuil0,272

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,200
Tête enseignante GPT0,363
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 tête enseignante, 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
GenreSynthèse

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

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetEconomic and Technological Developments in RussiaTravaux en français237 207