La demande d’énergie du secteur commercial québécois
Bibliographic record
Abstract
Peu d’études ont comme sujet la demande d’énergie du secteur commercial au Canada. Parmi celles-ci, celles du ministère fédéral de l’Énergie des Mines et des Ressources et de l’Office National de l’Énergie ont utilisé l’approche à deux niveaux. Au premier niveau, la demande d’énergie est modélisée en fonction de son prix relatif, du PIB du secteur commercial et d’autres variables explicatives. Au second niveau, les parts thermiques des formes d’énergie sont reliées à leurs prix relatifs. Ces études se basent sur une mesure de la consommation d’énergie en équivalent thermique, introduisant ainsi un biais systématique au niveau de l’élasticité-prix et de l’élasticité-revenu. De plus, cette structure ignore les relations possibles entre l’énergie et les autres facteurs de production (capital et travail). Dans le cadre de la présente étude, nous empruntons une approche fréquemment employée lors de la modélisation du secteur industriel : le modèle KLEM à deux niveaux. Au premier niveau, la modélisation de la fonction de production du secteur commercial tient compte des relations possibles entre le capital, le travail et l’énergie. Au second niveau, la modélisation porte uniquement sur la demande des différentes formes d’énergie. De plus, nous abandonnons l’usage de la mesure de l’énergie en équivalent thermique à l’avantage de la mesure non biaisée de la dépense en énergie. Le modèle est appliqué au secteur commercial québécois. Les principaux résultats sont : au premier niveau, les élasticités des inputs à leur propre prix sont de signe anticipé, mais très faibles, seule l’énergie semble être influencée par le prix des facteurs de production. Au second niveau, les élasticités des formes d’énergie à leur propre prix sont de signe attendu mais également inférieures à l’unité. La substitution entre les formes d’énergie prédomine.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 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".