Total sales of lightweight automobiles in Mexico, 1988-2016
Notice bibliographique
Résumé
The automotive industry in Mexico has been strengthened in such a way that the country is already part of the Top 15 of those that produce and sell the most cars in the world. From 2010 to 2016, it went from place 16 to 12 among the countries that sell more vehicles in the world, according to data from the International Organization of Automobile Manufacturers (OICA). Six years ago, Mexico sold 503 thousand 748 vehicles, which placed it in 16th place worldwide. The country was below Russia (1 million 912 thousand) Canada (694 thousand 349) or Spain (982 thousand 015) (HuffPost, 2017). The objective of the work was to analyze the variables that most influence the total sales of light vehicles in Mexico. To carry out the study, a multiple linear regression model of the total sales of light automobiles in Mexico was elaborated according to the exchange rate, the monthly average remuneration, the interest rate, unemployment and the inflation rate. Of the results obtained, the variation of the VTA according to the coefficient of determination (R2) was explained in 93.75% by the variables included in the equation, of which, the most statistically significant variables were the monthly average remuneration, the Unemployment rate and the exchange rate. According to the elasticities, the greatest effect on sales was the average monthly remuneration and the exchange rate. Although the interest rate and inflation are very important variables and were not significant.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».