Effets des infrastructures routières sur la productivité totale des facteurs du secteur des transports et de l'entreposage au Canada
Bibliographic record
Abstract
Dans ce mémoire, nous étudions les effets des infrastructures routières sur la productivité totale des facteurs (TFP), laquelle correspond à la part de la croissance économique non attribuable à l’accumulation de capital et de travail. L’analyse se concentre dans un premier temps sur le secteur des transports et de l’entreposage au Canada, pour la période allant de 1997 à 2023. En complément, nous examinons l’impact de ces infrastructures sur la TFP globale de l’économie entre 1981 et 2023. Cette configuration est adoptée en raison de la non-disponibilité de données croisées entre provinces, années et industries sur une période plus étendue. Notre méthodologie repose sur des régressions linéaires estimées par la méthode des moindres carrés ordinaires, appliquées à plusieurs horizons temporels, afin d’intégrer une dimension dynamique à l’analyse. Nous introduisons progressivement des variables de contrôle ainsi que des effets fixes par province, ce qui permet de prendre en compte les disparités régionales susceptibles d’influencer la productivité. Cette approche vise à garantir des estimations plus robustes et des résultats économétriques plus fiables. Les résultats de notre analyse révèlent que les infrastructures routières, qu’elles soient mesurées par les structures et réseaux routiers et autoroutiers ou par les infrastructures de génie liées aux transports, n’exercent pas d’effet significatif sur la croissance de la productivité totale des facteurs du secteur des transports et de l’entreposage à court et moyen termes. Cependant, à long terme, ces infrastructures montrent un effet positif et significatif sur la productivité totale des facteurs du secteur, contribuant ainsi à soutenir la croissance économique à long terme. Par ailleurs, cette analyse montre que ces infrastructures ont un effet positif et significatif sur la TFP globale de l’économie à court, moyen et long terme. Toutefois, ces effets perdent leur significativité dans les deux cas lorsque nous contrôlons des disparités provinciales. Ces résultats confirment la pertinence des investissements publics dans les infrastructures routières, qui s’inscrivent dans une logique de croissance durable et d’amélioration de l’efficacité du secteur des transports. Ils soulignent également la nécessité d’analyser ces effets sur des périodes plus longues afin d’obtenir des résultats significatifs et robustes. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Productivité totale des facteurs, structures et réseaux routiers et autoroutiers, infrastructures de génie liées aux transports, croissance économique, infrastructures publiques, infrastructures routières.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".