Un test des propriétés de courbure de la demande agrégée : le Canada vs le Québec
Bibliographic record
Abstract
En utilisant des données trimestrielles pour le Canada et le Québec, nous estimons un système complet de demandes à l’aide du modèle AIDS. Nous présentons les résultats de deux tests : nous testons si la matrice des effets-prix compensés est semi-définie négative et nous testons si la matrice des effets-prix non-compensés est quasi-définie négative. Ces tests permettent d’évaluer deux caractérisations alternatives du système de demandes agrégées : la première, qu’il se comporte à la manière d’un système de demandes individuelles, et la seconde, qu’il respecte les propriétés découlant des hypothèses formulées par Hildenbrand (1983) ou Grandmont (1987). Nous ne pouvons rejeter l’hypothèse que le système de demandes agrégées pour le Québec se comporte comme des fonctions de demande individuelle. Un tel résultat est compatible avec un groupe de consommateurs relativement homogène. Au contraire, nous rejetons que le système de demandes agrégées canadien se comporte comme des fonctions de demande individuelle, mais nous ne pouvons rejeter qu’il respecte les propriétés découlant de l’hypothèse de Hildenbrand/Grandmont. Ce résultat suppose que les consommateurs canadiens forment un groupe moins homogène que les consommateurs québécois.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".