Macroeconomic models for predicting indirect impacts of disasters: A review
Notice bibliographique
Résumé
Interdependencies between critical infrastructures and the economy amplify the effects of damage caused by disasters. The growing interest in impacts beyond physical damage has spurred a surge in literature on economic modeling methodologies for estimating indirect economic impacts of disasters. In this review, we present a framework for categorizing modeling approaches that assess indirect economic impacts across natural hazards and anthropogenic disasters such as cyber attacks. We first conduct a comparative analysis of macroeconomic models, focusing on the approaches capturing sectoral inter-dependencies. These include the Leontief Input-Output (I/O) model, the Inoperability Input-Output Model (IIM), the Dynamic Inoperability Input-Output Model (DIIM), the Adaptive Regional Input-Output (ARIO) model, and the Computable General Equilibrium (CGE) model and its extensions. We evaluate their applicability to disaster scenarios based on input data availability, the compatibility of model assumptions, and output capabilities. We also reveal the functional relationships of input data and output metrics across economic modeling approaches for inter-sectoral impacts. Furthermore, we examine how the damage mechanisms posed by different types of disasters translate into model inputs and impact modeling processes. This synthesis provides guidance for researchers and practitioners in selecting and configuring models based on specific disaster scenarios. It also identifies the gaps in the literature, including the need for a deeper understanding of model performance reliability, key drivers of economic outcomes in different disaster contexts, and the disparities in modeling approach applications across various hazard types.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».