MétaCan
Menu
Retour à la cohorte
Enregistrement W6987882766

Ulkomainen talouskehitys Suomen talouskasvun ennustamisessa : Pienen avotalouden hypoteesin toteutuminen

2022· other· fi· W6987882766 sur OpenAlexaboutno aff

Notice bibliographique

RevueOsuva (University of Vaasa) · 2022
Typeother
Languefi
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValue (mathematics)Quarter (Canadian coin)Partner effects
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tutkielman aiheena on ulkomainen talouskehitys Suomen talouskasvun ennustamisessa. Tarkemmin ottaen tutkitaan, toteutuuko pienen avotalouden hypoteesi Suomen oloissa. Pienen avotalouden hypoteesin mukaan pieni avotalous on erittäin riippuvainen muiden maiden taloudellisesta tilanteesta ulkomaankaupan kautta. Tutkielmassa pyrittiin selvittämään, heijastuuko ulkomaankauppakumppanien talouskehitys pienen avotalouden talouskasvuun. Ulkomaista talouskehitystä arvioitiin Suomen suurimpien kauppakumppanien BKT-lukujen ja ulkomaankauppapainoilla luodun muuttujan avulla ja tarkasteltiin, kuinka hyvin luotu malli ennustaa pienen avotalouden BKT:n kasvua ja toteutuuko pienen avotalouden hypoteesi tältä osin. Testaamisessa käytettiin autoregressiivisestä jakautuneiden viiveiden (ADL) mallista muunneltua mallia ja sitä analysoitiin regressioanalyysin avulla. Analyysi toteutettiin aikavälillä 1990-2020 vuosiaineistolle. Ulkomaisen aktiviteetin sisältäviä malleja vertailtiin yksinkertaiseen autoregressiiviseen malliin (benchmark-malli), jossa Suomen talouskasvua selittää viivästetty Suomen BKT. Benchmark-mallia täydennettiin ulkomaisella aktiviteetilla, jotta voitiin testata, parantaako ulkomaisen talouskehityksen lisääminen mallin ennustekykyä. Selittäviä ulkomaisia BKT-muuttujia konstruoitiin yhteensä kolme, ja ne rakennettiin Suomen 16, 8 ja 6 suurimman kauppakumppanin BKT-arvoja käyttäen. Malleja vertailtiin pääasiassa ennustevirheen ja korjatun selitysasteen avulla. Malleja testattiin eri viiveillä, jotta löydettiin ennustevirheen minimoiva (ja selitysasteen maksimoiva) tulos. Ulkomaisen aktiviteetin lisääminen vaikutti positiivisesti mallin antamiin ennustetuloksiin: pääasiassa ulkomaisen BKT-muuttujan lisääminen malliin pienensi ennustevirhettä ja paransi selityskykyä. Parhaat tulokset antoi malli, jossa Suomen BKT oli viivästetty yhdellä periodilla ja ulkomainen BKT kahdella periodilla. Osaa malleista testattiin aikajaksolla 1995-2005, ja tällä ajanjaksolla testatuista malleista havaittiin pienin ennustevirhe. Tämä periodi valittiin tarkasteluun, sillä ennustemalleja tahdottiin testata myös ajanjaksolla, jolle ei osu merkittävää talouskriisiä. Aikajaksolla havaintoja oli vain 11 kappaletta, jolloin korjattu selitysaste jäi pieneksi eivätkä parametriestimaatit olleet tilastollisesti merkitseviä. Mallien vertailussa todettiin, että Suomen BKT:n ennustekykyä parantaa ulkomaankauppakumppaneilla konstruoidun muuttujan lisääminen malliin. Tämän osalta saadaan vahvistusta pienen avotalouden hypoteesille Suomen talouden oloissa. Analyysin tulosten luotettavuuden arvioinnissa ei havaittu suuria rikkomuksia regressioanalyysin olettamuksia vastaan. Tuloksissa saatiin myös viitteitä siitä, että ulkomaisen muuttujan konstruointiin riittäisi kuuden suurimman kauppakumppanin BKT-luvut painotettuna kunkin maan ulkomaankauppapainoilla. Tämä tulos on merkittävä siinä mielessä, että se osoittaa, että ulkomaankauppapainotetun muuttujan konstruointiin ei ole tarvetta sisällyttää mahdollisimman kattavaa määrää kauppakumppaneita.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0220,006

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 Opus0,012
Tête enseignante GPT0,191
Écart entre enseignants0,179 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOsuva (University of Vaasa)Travaux en français237 207