Notice bibliographique
Résumé
Trois essais sur l'accumulation de la richesse à long terme La présente thèse analyse l'évolution et l'accumulation de la richesse nationale dans une perspective transnationale. Il est composé de trois chapitres différents. Dans le premier chapitre, avec Miguel Artola Blanco et Clara Martínez-Toledano, nous reconstruisons la richesse nationale de l'Espagne de 1900 à 2017. En combinant de nouvelles sources avec des comptes existants, nous estimons la richesse des secteurs privé et gouvernemental et utilisons une nouvelle décomposition spécifique à un actif. l'accumulation à long terme de la richesse. Nous trouvons que le ratio de la richesse nationale sur le revenu était relativement étroit au cours du 20ème siècle - entre 400 et 600% - jusqu'à ce que le boom immobilier du début des années 2000 conduise à une augmentation sans précédent de 800% en 2007. Nos résultats soulignent l'importance de la terre, des gains en capital liés au logement et des flux de capitaux internationaux en tant qu’éléments clés de l’accumulation de la richesse. Le deuxième chapitre étudie le lien qui existe entre l’augmentation spectaculaire des ratios nationaux entre le logement et le revenu national enregistrés par les pays riches au cours des dernières décennies avec la transformation du système de production: de la fabrication aux services. Il explore deux facteurs: l’accroissement de la concentration spatiale de l’activité économique dans les pays et les chocs négatifs sur les régions manufacturières. Pour explorer le premier facteur, je présente de nouvelles séries de richesse immobilière et de concentration spatiale de l'activité économique dans sept économies développées: la France, l'Allemagne, l'Italie, le Japon, l'Espagne, le Royaume-Uni et les États-Unis. Les résultats montrent que la richesse croissante du logement est la conséquence de la hausse de la valeur des terrains urbains, cette augmentation étant étroitement liée à la concentration accrue de services orientés vers le marché. Le deuxième facteur est étudié à l'aide de données urbaines en Angleterre et au Pays de Galles, analysant ainsi la manière dont les tendances macro-économiques des ratios de revenus des maisons émergent du niveau local. Je trouve que la hausse des valeurs nationales est en grande partie le résultat d'une plus grande dispersion des prix de l'immobilier local, mais pas du revenu par habitant. Le meilleur prédicteur de l'évolution des prix de l'immobilier est la spécialisation du système de production au niveau de la ville. J’estime qu’un quart de la dispersion des prix locaux de l’habitation s’explique par le déclin de la production manufacturière au niveau national. Un modèle théorique simple est utilisé pour rationaliser ces deux facteurs. Le troisième chapitre présente les séries actualisées de parts de revenus de la richesse nationale et du capital des huit pays couverts par Piketty et Zucman (2014a): Australie, Canada, France, Allemagne, Italie, Japon, Royaume-Uni et États-Unis. Il aborde l’adaptation des séries du SCN93 au SCN 2008, l’inclusion du capital naturel (terres forestières, ressources minérales et énergétiques) dans le concept de la richesse nationale et la répartition des logements nationaux entre les ménages et d’autres secteurs. Je conclus que l’adoption du SCN de 2008 n’a pas de conséquence significative sur la richesse macroéconomique globale ni sur la part du capital après amortissement. Toutefois, les parts de capital en brut d’amortissement sont plus élevées, probablement en raison de l’inclusion de la RD en tant qu’investissement dans le nouveau système de comptes. Dans l’ensemble, de nouvelles séries révèlent que les ratios moyens de la richesse privée par rapport au revenu national ont régulièrement augmenté au cours des dernières années, la part capital-travail restant relativement constante à leurs valeurs de 2010.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».