Notice bibliographique
Résumé
Comments focused on modeling choice, Bayesian techniques, and interpretation of the results.Andrew Levin was surprised the authors chose to apply their model to the United States and Europe.To Levin, a more reasonable starting point for Bayesian estimation of new open-economy macroeconomic models is the classic case of a small open economy, or if the goal is to explore the interactions between two economies, Levin suggested starting with country pairs that do a substantial amount of trade with each other, such as the United States and Canada, or the Euro area and the United Kingdom.By contrast, the United States and the Euro area represent two economies that are relatively closed [trade is only about 10 percent of gross domestic product (GDP), only 10 percent of their trade is with each other, U.S. exports to the Euro area account for only 1 percent of U.S. GDP], and therefore it takes very large shocks to the Euro area before they show up in direct standard trade linkages.Levin was also concerned about a model that assumes a single monetary policy in each economy being fit to European data from the 1970s and 1980s.In terms of Bayesian techniques, Ken Rogoff was curious about the authors' claim that Bayesian papers are easier to communicate to policymakers.Schorfheide acknowledged the challenge of communicating what exactly is learned from the data and how the prior distributions affect the conclusions that are ultimately reached.But he maintained that one can nicely capture the effects of uncertainty on the decision, and therefore the researcher can incorporate uncertainty into the decision-making process.Chris Sims also was not so sure that it is easier to communicate Bayesian results.But he agreed with Schorfheide that Bayesian methodsin principle-allow one to combine the policymaker's subjective information with the model.According to Sims, the formal econometrics
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 | 0,015 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,012 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,271 | 0,102 |
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 ».