MétaCan
Menu
Retour à la cohorte
Enregistrement W1573630475 · doi:10.1596/1813-9450-5587

Laws for fiscal responsibility for subnational discipline: International experience

2011· book· en· W1573630475 sur OpenAlexaboutno aff
Lili Liu, Steven Β. Webb

Notice bibliographique

RevueWorld Bank eBooks · 2011
Typebook
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policies and Political Economy
Établissements canadiensnon disponible
Organismes subventionnairesBanca d'ItaliaWorld Bank Group
Mots-clésPolitical scienceLaw and economicsEconomics

Résumé

récupéré en direct d'OpenAlex

Fiscal responsibility laws are institutions with which multiple governments in the same economy-national and subnational-can commit to avoid irresponsible fiscal behavior that could have short-term advantages to one of them but that would be collectively damaging.Coordination failures with subnational governments in the 1980s and 90s contributed to macroeconomic instability and led several countries to adopt fiscal responsibility laws as part of the remedy.The paper analyzes the characteristics and effects of fiscal responsibility laws in seven countries-Argentina, Australia, Brazil, Canada, Colombia, India, and Peru.Fiscal responsibility laws are designed to address the short time horizons of policymakers, free riders among government units, and principal-agent problems between the national and subnational governments.The paper describes how the laws differ in the specificity of quantitative targets, the strength of sanctions, the methods for increasing transparency, and the level of government passing the law.Evidence shows that fiscal responsibility laws can help coordinate and sustain commitments to fiscal prudence, but they are not a substitute for commitment and should not be viewed as ends in themselves.They can make a positive contribution by adding to the collection of other measures to shore up a coalition of states with the central government in support of fiscal prudence.The commitment of the central government to its own fiscal prudence was critical for success of fiscal responsibility laws for subnational governments.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,004
Communication savante0,0030,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,064
Tête enseignante GPT0,279
Écart entre enseignants0,216 · 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

Citations51
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Bank eBooksMême sujetFiscal Policies and Political EconomyTravaux en français237 207