MétaCan
Menu
Retour à la cohorte
Enregistrement W1545749199 · doi:10.1111/j.1813-6982.2012.01322.x

DISCOUNT RATE DISTORTIONS AND THE RESOURCE CURSE

2013· article· en· W1545749199 sur OpenAlexaff
Hu Bin, Ross McKitrick

Notice bibliographique

RevueSouth African Journal of Economics · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueNatural Resources and Economic Development
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésEconomicsResource curseEndowmentDemocracyNatural resourceCurseIncentiveConsumption (sociology)PoliticsNon-renewable resourceGovernment (linguistics)MicroeconomicsEconomic systemDevelopment economicsPolitical scienceRenewable energy

Résumé

récupéré en direct d'OpenAlex

Abstract Empirical evidence has suggested a “resource curse” exists, in which countries with abundant resources may have higher initial consumption but then grow more slowly. The effect appears to be dependent on a country's political structure. Theoretical models not typically accounted for historical exceptions, or have not shown the effect exists in a dynamic growth setting. We derive the resource curse effect in an optimal growth model augmented with a political process. The economy has a finite nonrenewable resource, and the government planner can choose to over‐extract natural resources relative to the efficient path by distorting the discount rate, but in so doing incurs political costs that depend on the presence of democracy. Government planners in non‐democratic countries usually have more autonomy in policymaking than those in democratic countries; therefore, the political cost is lower for non‐democratic countries. We show that the incentive for the planner to distort the extraction path is larger, the higher is the initial resource endowment. Consistent with empirical evidence, the distortion raises short‐term consumption but lowers the long‐term growth rate, and institutional differences create corner solutions that explain why some resource‐abundant countries avoid the curse. These results are robust to the inclusion of autonomous technological change.

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)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,016
Tête enseignante GPT0,173
Écart entre enseignants0,157 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSouth African Journal of EconomicsMême sujetNatural Resources and Economic DevelopmentTravaux en français237 207