MétaCan
Menu
← Retour à la cohorte
Enregistrement W1525008528 · doi:10.5539/ibr.v8n6p1

Brazilian Municipal Public Social Security Systems: Determinant Variables of Their Financial Result

2015· article· en· W1525008528 sur OpenAlexvenueno aff
Wendel Alex Castro Silva, Lamartine Pereira Baeta Filho, Elisson Alberto Tavares Araújo, Christian Moisés Tomaz

Notice bibliographique

RevueInternational Business Research · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de Minas Gerais
Mots-clésCivil servantsSocial securityWelfareOrder (exchange)Stepwise regressionRegression analysisValue (mathematics)Balance (ability)Social WelfareBusinessEconomicsPublic economicsFinancePolitical sciencePoliticsMathematicsStatisticsPsychology

Résumé

récupéré en direct d'OpenAlex

The performance of the Brazilian civil servants’ social security system is an important element for the proper functioning of the Brazilian public finances. This paper’s goal is to identify the variables that condition the defrayal and the financial deficit of municipal public servants’ welfare regimes (RPPSs), in Brazil. To achieve it, we carried out a survey with the managers of these RPPSs, and obtained 84 answers. A multiple regression with the stepwise method was applied in the data analysis, in order to identify the main variables that explain the deficit. It was found that the financial balance, the number of servants who are members of the system, and the value of the monthly contribution granted by the employer entity were responsible for the deficit. It was concluded that there is an imbalance between the estimated amount of contributions and the volume of benefits actually paid by the RPPSs. Still, may achieve or improve the surplus, from the improvement of those variables that have conditioned the negative results.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,173
Tête enseignante GPT0,337
Écart entre enseignants0,164 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business Research→Même sujetFiscal Policy and Economic Growth→Travaux en français237 207→