Suomen suhdannevaihteluiden tyylitellyt faktat
Bibliographic record
Abstract
Tutkielman tavoitteena on kuvata Suomen suhdannevaihteluille tyypillisiä piirteitä eli niin sanottuja tyyliteltyjä faktoja. Yhdysvaltalaisessa tutkimuskirjallisuudessa tyyliteltyjä faktoja on laskettu erityisesti reaalisten suhdannevaihteluiden teoriaa kehitettäessä. Suomen suhdannevaihteluiden tyyliteltyjä faktoja ei ole aiemmin perusteellisesti tutkittu. Suomen aineistolla saatuja tuloksia on tarkoitus myös verrata Yhdysvaltojen tuloksiin, ja arvioida, mistä mahdolliset erot johtuvat. Aineistona on käytetty 37:ää Suomen taloutta kuvaavaa neljännesvuosittaista aikasarjaa. Suurin osa aikasarjoista kattaa vuodet 1960–2011, mutta aikasarjat alkavat viimeistään vuodesta 1975. Vuosille 1960–1971 neljännesvuosittainen huoltotase on tuotettu itse indikaattorimuuttujia painottamalla. Huoltotase-erien lisäksi tärkeimpiä tutkimuksessa tarkasteltavia muuttujia ovat työntekoa, tuottavuutta, palkkoja ja hintoja kuvaavat muuttujat. Vertailun helpottamiseksi Yhdysvaltojen osalta on käytetty myös samankaltaista aineistoa. Suurin osa tutkituista aikasarjoista on epästationaarisia, joten niistä on ollut tarpeen puhdistaa trendi suhdannekomponenttien tutkimiseksi. Tähän on käytetty laajan suosion saanutta Hordrick–Prescott-suodinta, mutta myös muita mahdollisia menetelmiä on tutkielmassa arvioitu. Stationaarisiksi saaduista aikasarjoista on laskettu niiden keskihajonnat, autokorrelaatiot sekä ristikorrelaatiot maataloudettoman yksityisen sektorin bruttokansantuotteen kanssa. Tutkimustulosten perusteella Suomessa suhdannevaihtelut ovat noin 1,3-kertaa voimakkaampia kuin Yhdysvalloissa. Tämä havainto koskee liki kaikkia huoltotaseen eriä, sillä suhteessa yksityiseen BKT:hen kysynnän erien käyttäytyminen on hyvin samankaltaista kuin Yhdysvalloissa. Yksityisen kulutuksen keskihajonta on nimittäin molemmissa maissa noin puolet pienempää ja yksityisten investointien, viennin sekä tuonnin keskihajonta noin 2,5-kertaista yksityiseen BKT:hen nähden. Kulutus ja investoinnit korreloivat melko vahvasti suhdannesyklin kanssa. Asuinrakennusinvestoinnit käyttäytyvät poikkeavasti, sillä erän keskihajonta on Yhdysvalloissa huomattavasti Suomea suurempaa. Yhdysvalloissa asuinrakennusinvestoinnit ovat myös ainoa sykliä johtava kysynnän erä, kun muut erät ovat syklin kanssa samanaikaisia tai seuraavat sitä viiveellä. Suomessa vienti on ainoa sykliä selkeästi johtava muuttuja, vaikka korrelaatio ei olekaan kovin vahvaa. Yleisesti muuttujien autokorrelaatiot ja ristikorrelaatiot syklin kanssa ovat Suomessa jonkin verran heikompia kuin Yhdysvalloissa. Suhdannevaihteluiden vaikutus työmarkkinoihin on Suomessa suhteellisesti pienempää kuin Yhdysvalloissa. Tämä johtuu luultavasti Yhdysvaltojen Suomea joustavammista työmarkkinoista. Samasta syystä saattaa myös johtua se, että Suomessa reaalipalkka seuraa sykliä selvällä viiveellä, kun Yhdysvalloissa muuttuja taas johtaa sykliä. Muiden tutkittujen muuttujien, kuten hintatason, inflaation ja tuottavuuden, käyttäytyminen on molemmissa maissa melko samankaltaista. Tutkimusajanjakson ja trendinpuhdistusmenetelmän valinta vaikuttavat saatuihin tuloksiin jonkin verran, mutta saatu yleiskuva suhdannevaihteluiden käyttäytymisestä näyttäisi melko vakaalle näistä valinnoista riippumatta.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.097 | 0.025 |
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".