MétaCan
Menu
Retour à la cohorte
Enregistrement W1609386997

The Link between Extreme Poverty and Young Dependents in the Philippines: Evidence from Household Surveys 1

2012· preprint· en· W1609386997 sur OpenAlexaboutno aff
Dennis S. Mapa, Manuel Leonard, F. Albis, M. K. Daniel, C. Lucagbo

Notice bibliographique

RevueMunich Personal RePEc Archive (Ludwig Maximilian University of Munich) · 2012
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of the Philippines
Mots-clésPovertyUnderemploymentQuarter (Canadian coin)Household incomePopulationExtreme povertyDemographic economicsEconomicsGeographySocioeconomicsDemographyEconomic growthUnemployment
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The high level of extreme poverty or those experiencing hunger in the country is the most pressing issue that needs to be addressed by our policymakers. Official government statistics and data from self-rated hunger surveys show an increasing trend in hunger incidence among households. On the one hand, latest data from the National Statistical Coordination Board (NSCB) show that the percentage of population experiencing hunger almost remained the same from 11.1 percent in 2003 to 10.8 percent in 2009. On the other hand, the Social Weather Stations (SWS) quarterly surveys on hunger incidence show an increasing trend in the percentage of families that experienced hunger, reaching 18.4 percent (about 3.8 million households) in the 2nd Quarter of 2012. This study looks at the determinants of extreme poverty among households using the data from the Family Income and Expenditures Survey (FIES) and the household surveys of SWS. Using a logit model on the pooled data, the results show that presence of a young dependent in the household increases the probability that the household will be extremely poor, controlling for other factors. Other variables that influence the probability of the household being extremely poor are the education of the household head and percentage of cash transfer from abroad. Moreover, regional characteristics such as varying food prices and underemployment rate (quality of jobs) explain a lot about the probability of the household being extremely poor. The study shows that we cannot ignore the evidence linking population growth and poverty. Development policies aimed at addressing poverty incidence in the country must include measures that will manage the country’s bourgeoning population.

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)0,007
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,120
Tête enseignante GPT0,288
Écart entre enseignants0,169 · 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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMunich Personal RePEc Archive (Ludwig Maximilian University of Munich)Même sujetIncome, Poverty, and InequalityTravaux en français237 207