Analyzing Pro-Poor Growth in Southern Africa: Lessons from Mauritius and South Africa*
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
Abstract: Based on the methodology of Ravallion and Chen (2003), Kakwani and Pernia (2000) and Kakwani et al. (2003) and using household survey data, we analyze poverty, inequality and pro-poor changes in South Africa over the period 1995–2005 and in Mauritius over the period 2001–2006. Conditions are very different in these two countries. South Africa is one of the least equal countries in the developing world while inequality in Mauritius is relatively low in comparison to other African countries. Similarly, using a reference threshold of US$3 a day, we find that poverty headcount was initially around 42 percent in South Africa and 6 percent in Mauritius. Moreover, in addition to these initial differences, the two countries have experienced very different pro-poor growth paths. Temporal differences reveal that inequalities have increased significantly in South Africa over the period and that the poverty headcount in 2005 would have been around 10 percentage points lower without this strong adverse redistribution effect. South African growth has been anti-poor relatively speaking. Conversely, growth was absolutely pro-poor in Mauritius over the period 2001–2006. Deeper analysis is conducted across areas of residence (urban and rural) and according to educational achievements (some schooling versus no schooling) and gender. A comparison between Mauritius and South Africa allows for a better understanding of both growth and redistribution effects on poverty and for drawing some policy recommendations towards reducing poverty in these countries.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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