MétaCan
Menu
← Retour à la cohorte
Enregistrement W1556536096 · doi:10.62986/dp2012.33

Philippines 2007 National Transfer Accounts: Financing Consumption and Lifecycle Deficit by Income Group

2012· preprint· en· W1556536096 sur OpenAlexfundno aff
J. M. Ian Salas, Michael R.M. Abrigo, Rachel H. Racelis

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research CentreThailand Development Research InstituteNihon University
Mots-clésAsset (computer security)Consumption (sociology)Transfer (computing)Household incomeTransfer paymentPermanent income hypothesisEconomicsAge groupsBusinessFinanceDemographic economicsGeographyDemography

Résumé

récupéré en direct d'OpenAlex

The NTA flow accounts for the Philippines for the year 2007 include not only national level estimates but also estimates by income group. Three income groups are defined, referred to as income terciles. This paper examines the financing of consumption by income group. One source of financing is own labor income. But for age groups whose labor income is not sufficient to cover their consumption, mainly the young and elderly, the difference or the lifecycle deficit is financed by resources reallocated between age groups. The income groups differ in the manner the lifecycle deficits are financed.Some key findings include: (1) for the young dependent age group deficit is financed by public alongside private transfers for the bottom tercile while it is almost entirely private transfers for the top tercile; (2) for the young elderly (under 79 years old) financing of deficit is by asset reallocation and a small proportion by public transfers for the bottom and middle terciles, and by asset reallocation and private transfers for the top tercile; and (3) for the older elderly (age 79 or older) deficit is financed by public transfers (small proportion), private transfers, and asset reallocation for the bottom and middle terciles, and by private transfers and asset reallocation for the top tercile.

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,189
Score d'incertitude au seuil0,376

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,009
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,004

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 Opus0,044
Tête enseignante GPT0,236
Écart entre enseignants0,193 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFiscal Policy and Economic Growth→Travaux en français237 207→