Analyse comparative des frictions financières aux États-Unis et au Canada : une approche DSGE bayésienne
Notice bibliographique
Résumé
Ce mémoire compare les frictions financières aux États-Unis et au Canada par le biais des modèles DSGE à la Smets et Wouters (2003) augmentés de l’accélérateur financier à la Bernanke et collab. (1999) qui sont estimés suivant des techniques bayésiennes avec les données incluant la période avant et après la crise financière de 2007-2009. Les données tenant compte du début de l’épisode de la pandémie de COVID-19 sont également intégrées dans les modèles pour l’analyse des fonctions de réponses impulsionnelles. Les modèles estimés donnent un avantage considérable aux modèles avec frictions financières pour les États-Unis et le Canada en général, mais demeurent peu concluants pour le Canada lorsque la période d’estimation précédant la crise financière de 2007-2009 est considérée. En outre, les structures économiques estimées pour ces deux pays restent très similaires que l’on considère ou pas la présence de frictions financières, mais laissent présager toutefois certaines différences significatives. Il en ressort également que la plupart de chocs d’offre semblent impacter en grande partie l’évolution des variables macroéconomiques américaines comparativement à celles du Canada si l’on considère les estimations réalisées avec les données incluant la récente pandémie de la COVID-19. Selon les estimations effectuées avec les mêmes données précédentes, un choc positif de dépenses publiques au Canada a l’air de réduire sensiblement les effets pervers observés dans la consommation et l’investissement par rapport à sa contrepartie américaine. De plus, l’effondrement observé dans la production aux États-Unis et au Canada au cours de la période 2007-2009 aurait été causé en grande partie par un choc de préférences et un choc financier traduisant un dysfonctionnement du marché du crédit. Pour le Canada par contre, en plus de ces deux chocs cités, un choc de dépenses publiques aurait aussi contribué à une partie de l’effondrement de la production quand bien même que les dépenses publiques auraient augmenté durant cette période.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».