MétaCan
Menu
Retour à la cohorte
Enregistrement W1964161654 · doi:10.1086/597057

5Does Government Funding Change Behavior? An Empirical Analysis of Crowd‐Out

2009· article· en· W1964161654 sur OpenAlexaff
A. Abigail Payne

Notice bibliographique

RevueTax Policy and the Economy · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueTaxation and Compliance Studies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Variety (cybernetics)Crowding outEmpirical researchService (business)BusinessPublic economicsEstimationPublic relationsEmpirical evidencePolitical scienceEconomicsMarketingComputer scienceMacroeconomicsManagement

Résumé

récupéré en direct d'OpenAlex

When governments introduce programs or funding for initiatives that are partially provided by lower levels of governments or in the private or third sectors, should the government be concerned about whether its efforts are crowded out by changes in behavior by individuals and institutions participating in the provision of this good or service? The bulk of the theoretical literature suggests that crowd‐out is an issue. The (historic) bulk of the empirical literature, however, has failed to find a measurable crowd‐out effect. With better data and more sophisticated empirical techniques, there is a burgeoning literature that shows that crowd‐out exists. The purpose of this paper is to examine the recent literature that studies the issue of crowd‐out across a variety of venues to understand better the empirical estimation issues as well as the institutional details that can lead to a better understanding of the effects of government programs on individuals and organizations.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,731
Score d'incertitude au seuil0,365

Scores Codex et Gemma par catégorie

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

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 Opus0,118
Tête enseignante GPT0,324
Écart entre enseignants0,205 · 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 tête enseignante, 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

Citations34
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTax Policy and the EconomyMême sujetTaxation and Compliance StudiesTravaux en français237 207