MétaCan
Menu
← Back to cohort
Record W7129185580

Estimation de variables macroéconomiques québécoises et guadeloupéennes à plus haute fréquence

2025· other· fr· W7129185580 on OpenAlexaboutno aff
Christophe Nobila Wendyam Ouedraogo

Bibliographic record

VenueArchipelago (University of Quebec in Montreal) · 2025
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsStatistical analysisRadio controlIndependent state
DOInot available

Abstract

fetched live from OpenAlex

Les données macroéconomiques trimestrielles jouent un rôle central dans l’analyse précise du cycle économique. Ainsi, la disponibilité de séries temporelles à haute fréquence est essentielle. Au fil du temps, différentes méthodes de désagrégation temporelle, qui consistent à construire des estimations de haute fréquence à partir de séries de plus basse fréquence, ont été développées. On peut notamment citer la méthode de Chow et Lin (1971), à partir de laquelle une multitude d’approches de désagrégation temporelle ont été élaborées. Guay et Maurin (2015) ont ainsi proposé une procédure de désagrégation plus flexible que les méthodes traditionnelles, qu’ils ont prolongée par une extension dynamique. Dans ce mémoire, nous construisons, à l’aide de ces différentes méthodes, des estimations trimestrielles du PIB réel annuel du Québec et de la Guadeloupe, cette dernière ne disposant pas à ce jour de données officielles pour le PIB trimestriel. Avant d’appliquer ces méthodes, nous analysons les variables explicatives qui seront employées dans les modèles, car la qualité et la précision des estimations dépendent directement de leur choix. Les résultats obtenus pour le Québec montrent que les méthodes classiques (Chow–Lin, Fernandez, Litterman, Santos-Silva et Cardoso) produisent des séries fortement corrélées avec le PIB trimestriel publié par l’ISQ, tandis que les approches MIDAS offrent des performances globalement comparables lorsque l’indicateur est bien choisi. Dans le cas de la Guadeloupe, les estimations fondées sur l’octroi de mer et la TVA fournissent une trajectoire infra-annuelle cohérente du PIB réel, l’octroi de mer apparaissant comme l’indicateur le plus informatif. Enfin, à partir des séries trimestrielles construites, nous évaluons la performance des différentes méthodes par des analyses de corrélation et d’erreur de prévision, ce qui permet de comparer systématiquement les approches traditionnelles et celles basées sur MIDAS.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.008
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.201
Threshold uncertainty score0.405

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.008
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.004
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0090.001

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.

Opus teacher head0.010
GPT teacher head0.218
Teacher spread0.209 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2025
Admission routes1
Has abstractyes

Explore more

Same venueArchipelago (University of Quebec in Montreal)→French-language works237,207→