La prédiction du changement directionnel de la croissance du PIB du Québec à plusieurs horizons
Notice bibliographique
Résumé
Les acteurs privés et publics doivent comprendre l’orientation future de la croissance du PIB réel afin d’être en mesure de l’analyser et de prendre des décisions éclairées. Dans ce mémoire, nous étudions les performances hors-échantillon de huit méthodes de classification supervisée pour la prédiction du changement directionnel de la croissance du PIB réel au Québec effectuée à h ∈ {1, 2, 4, 6, 8} trimestres à l’avance. L’ensemble de données est constitué des séries macroéconomiques trimestrielles sur le Canada et ses provinces de 1981Q1 à 2020Q1. Ces séries sont issues du grand ensemble de données construit par Fortin-Gagnon et al. (2022), dénommé LCDMA. Compte tenu de la taille de ce jeu de données, nous avons ensuite utilisé le modèle à facteurs pour extraire des facteurs communs comme variables explicatives. Dans le cadre de la modélisation prédictive, les hyperparamètres des différentes méthodes sont optimisés à l’aide d’un algorithme génétique (GASearchCV). Par ailleurs, les prévisions sont générées à l’aide d’une approche à fenêtre glissante. Les différentes méthodes sont par la suite évaluées à l’aide de critères de performance découlant de la matrice de confusion. Selon les résultats empiriques, les performances des différentes méthodes de classification supervisée sont fortement liées à l’horizon de prévision. Aucune méthode ne s’impose de façon robuste sur tous les horizons. Ce qui souligne l’importance de l’adaptabilité desdites méthodes selon l’horizon de prévision. De plus, les faibles valeurs de l’aire sous la courbe ROC révèlent l’incapacité de certaines méthodes à discriminer les périodes d’accélération et de décélération de la croissance du PIB. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Méthodes de classification supervisée, changement directionnel, modèle à facteurs, données massives, algorithme génétique, fenêtre glissante, prévision hors échantillon
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».