Combining Microsimulation with CGE and Macro Modelling forDistributional Analysis in Developing and Transition Countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper overviews recent work that has attempted to bring together microsimulation, Computable General Equilibrium (CGE) and macro models to perform distributional analysis in developing and transition countries. Particular attention is paid to applications relating to aspects of economic growth and political economy. Applications in which macro, CGE and microsimulation models are either layered or integrated are considered. It is demonstrated that different combinations of such models, including those where only a single model-type is used, are appropriate for different problems. For short-run impact analysis, microsimulation on its own may be appropriate. For longer-run analyses, where interest is in the interrelationship between changes in disposable income, consumption and labour supply, these models need to be supplemented a combination of microsimulation on the one hand, and general equilibrium price changes or changes in macro variables on the other hand. In the case of national subregions, or countries embedded in free-trade areas, it is argued that microsimulation may adequately be combined with pure macro models. That is, CGE modelling may not be necessary. For distinct national economies, however, the first step beyond microsimulation should likely be integration with CGE modelling. Whilst much promising work has been undertaken on dynamic integrated CGE microsimulation work in developing countries, CGE work is most advanced for Less Developed Countries. At present several groups of development researchers are found to be putting these two approaches together, and in some cases are adding macroeconomic and financial modelling as well. In contrast, with a few conspicuous exceptions, little such work is being done for the transition economies.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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