“Just give me a number!” Practical values for the social discount rate
Notice bibliographique
Résumé
Abstract A major reason the quality of cost‐benefit analysis (CBA) varies widely is inconsistent use of the social discount rate (SDR). This article offers guidance about the choice of the SDR. Namely, we recommend the following procedures: If the project is intragenerational (does not have effects beyond 50 years) and there is no crowding out of private investment, then discount all flows at 3.5 percent; if the project is intragenerational and there is some crowding out of investment, then weight investment flows by the shadow price of capital of 1.1 and then discount at 3.5 percent; if the project is intergenerational and there is no crowding out of investment, then use a time‐declining scale of discount rates; if the project is intergenerational and investment is crowded out, then convert investment flows during the first 50 years to consumption equivalents using a shadow price of 1.1, and then discount all of these flows at 3.5 percent, and discount all flows after the 50th year using time‐declining rates. We then compare current discounting practices of U.S. federal agencies with our estimates. Consistent use of the recommended rates would eliminate arbitrary choices of discount rates and would lead to better public sector decision‐making. © 2004 by the Association for Public Policy Analysis and Management.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,038 | 0,237 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,007 | 0,011 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,005 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».