Bibliographic record
Abstract
La forte augmentation de la richesse au cours de la deuxième moitié des années 1990 a généré l'équivalent d'un certain montant d'épargne et, du même coup, un glissement important du taux d'épargne des ménages. Dans la présente étude, l'auteur tente d'expliquer cette baisse importante du taux d'épargne observée depuis 1995. Pour ce faire, il utilise la méthodologie de King, Plosser, Stock et Watson (King et coll. 1991). Contrairement aux résultats obtenus par plusieurs autres études, les résultats de la présente montrent que l'effet de la richesse sur la consommation est de nature transitoire plutôt que permanente et qu'il s'estompe relativement vite. La méthodologie utilisée permet de prendre en compte l'endogénéité des variables du modèle, tout en identifiant la réaction de la consommation à des chocs permanents de revenu, de richesse boursière et de richesse immobilière. Elle permet également de calculer la propension marginale des ménages à consommer la richesse boursière, qui se situe aux environs de 5,8 %. Par conséquent, environ la moitié de la baisse du taux d'épargne observée à partir de 1995 s'expliquerait par la hausse impressionnante de la richesse boursière au cours de cette période. L'autre moitié, quant à elle, serait plutôt imputable à la hausse de la richesse immobilière et de la propension marginale à consommer le revenu.
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 | 0.005 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 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 | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.025 | 0.001 |
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".