Comparaison de la performance du point de vue empirique de systèmes de demandes alternatifs
Bibliographic record
Abstract
Dans ce papier, quatre versions de systèmes de demande différentiels sont comparés sur le plan empirique : le système de Rotterdam, une version du système de demande quasi idéal (Almost Ideal Demand), le système du Bureau Central des Statistiques (CBS) et le système NBR. Ces systèmes possèdent des points en commun au niveau des variables explicatives, mais diffèrent sur le plan de la transformation non linéaire de la variable endogène. La méthode de McAleer (1983) du test par addition de variables dans le cas d’une équation est cette fois appliquée à des vecteurs d’équations dans lesquelles les variables dépendantes du système sont sujettes à des transformations non linéaires. Une caractéristique intéressante dans la procédure du test par addition de variables réside dans le fait que la condition d’additivité peut s’appliquer de manière simple. Des données annuelles sur la période 1921-1981 aux Pays-Bas sont utilisées pour l’étude empirique et consistent en quatre groupes principaux de dépenses de consommation de ménages. Parmi les principaux résultats des estimations, on trouve qu’aucun système ne domine les autres pour expliquer les données. En comparant chaque système, on trouve que le système CBS est celui qui fournit les résultats les meilleurs, le système NBR les moins bons et les deux autres systèmes se positionnent entre ces deux extrêmes. Néanmoins, la spécification des coefficients de prix dans le système de Rotterdam donne de meilleurs résultats que dans le système AID.
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 | 0.048 | 0.093 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".