“Nowcasting” de actividad económica de Chile usando indicadores alta frecuencia
Notice bibliographique
Résumé
Este trabajo evalúa el poder predictivo al aplicar Nowcasting sobre IMACEC para \nanticipar el PIB trimestral y anual, y sobre IPMIN, IPMAN e IAC para anticipar el \nValor Agregado trimestral y anual de las actividades de Minería, Industria y Comercio. \nSe analiza el periodo 2018-2020 tanto en frecuencia anual como trimestral. Para realizar \nNowcasting se emplean tres métodos de benchmarking: método Denton proporcional, \nmétodo Cholette-Dagum proporcional con error AR(1), y método basado en regresión \nChow-Lin. Asimismo, se comparan los resultados con dos estimaciones de expectativas \nobtenidas desde la Encuesta de Expectativas Económicas (EEE). Los resultados muestran que el método Chow-Lin alcanza el menor error cuadrático medio (ECM) al usar el \nIMACEC para anticipar PIB trimestral y para anticipar el VA trimestral y anual de las \nactividades de Minería y Comercio. Mientras que el método Cholette-Dagum posee el \nmenor ECM para anticipar el VA trimestral y anual de Industria, y PIB anual. Al comparar con las estimaciones de la EEE se muestra que los resultados de Nowcasting poseen \nun menor ECM, en especial, en el periodo T4-2019 hasta T4-2020. En términos de puntos \nporcentuales, los agentes pueden refinar sus expectativas en aproximadamente 5 y 2 décimas para la primera y segunda estimación de la EEE para todo el periodo considerado. \nMientras que en el periodo T4-2019 hasta T3-2020, se pueden refinar las expectativas en \n5 y 4 décimas respectivamente. Estos resultados muestran que al realizar Nowcasting se \nobtiene una anticipación confiable de la evolución real de actividad económica antes de \nsu publicación. Además, son factibles de utilizar como un instrumento apropiado para \nque los agentes económicos refinen sus expectativas, en particular, considerando periodos \nde alta turbulencia e incertidumbre económica.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 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 tête enseignante, 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 ».