MétaCan
Menu
Retour à la cohorte
Enregistrement W1977192667 · doi:10.1177/1532673x09333583

Punctuated Budgets and Governors’ Institutional Powers

2009· article· en· W1977192667 sur OpenAlexaff
Christian Breunig, Chris Koski

Notice bibliographique

RevueAmerican Politics Research · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policies and Political Economy
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPunctuated equilibriumVetoAppropriationLegislatureGovernorState (computer science)EconomicsPublic policyPolicy analysisPublic economicsPublic administrationPolitical sciencePolitical economyPoliticsLawEconomic growth

Résumé

récupéré en direct d'OpenAlex

State budgets are flexible: In the same year, some budget categories dramatically rise or fall, whereas others closely follow the previous year’s appropriation. Public policy scholars label a budget that contains mainly small scale changes interspersed with dramatic fluctuations as punctuated. This research seeks to identify the determinants of these punctuated budgets in the American states. What causes both incremental and large scale budgetary change? We argue that a governor’s agenda setting and veto powers increase the extent to which state budgets are punctuated. First, institutionally strong governors can dominate budgetary agendas but are subject to heightened information costs. Second, strong governors can also block legislative alternatives, but thereby induce transactions costs that hinder fiscal policy adjustments. The article analyzes these institutional constraints at the American state level using maximum likelihood estimation on panel data from 1983 to 1999. We make two contributions to the study of American public policy. First, we offer a broad empirical analysis of the causes of punctuated change. Second, we present a method by which to measure punctuated distributions over time. This method can be applied to other areas of public policy research.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,635
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 GPT0,328
Écart entre enseignants0,264 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations44
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Politics ResearchMême sujetFiscal Policies and Political EconomyTravaux en français237 207