MétaCan
Menu
Retour à la cohorte
Enregistrement W2108722353 · doi:10.1111/j.1467-985x.2006.00397.x

Public Expenditure in the UK: How Measures Matter

2006· article· en· W2108722353 sur OpenAlexaff
Stuart Soroka, Christopher Wlezien, Iain McLean

Notice bibliographique

RevueJournal of the Royal Statistical Society Series A (Statistics in Society) · 2006
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensMcGill University
Organismes subventionnairesNuffield Foundation
Mots-clésMicrodata (statistics)TreasuryPublic expenditureEconomicsPublic spendingActuarial scienceStatisticsEconometricsPublic financeDemographyCensusSociologyMathematicsPolitical scienceLawMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Summary Studying spending over time requires reliable data. It is not clear that such data exist in the UK, however. The two published sources of functional spending numbers—the Office for National Statistics's ‘blue book’ and Her Majesty's Treasury's Public Expenditure Statistical Analyses (PESA)—rely on estimates of past spending, using a link year method, rather than recalculating actual spending figures when functional definitions change. We assess the various measures of spending in the UK. Specifically, we do two things. First, we present a new, third, set of spending numbers applying temporally consistent functional definitions to PESA microdata. Second, we compare the three measures. Our analyses indicate that the Office for National Statistics and PESA data differ quite markedly, especially for certain functions, i.e. in some cases the two measures imply completely different histories. The differences between the original PESA data and our new measures are less pronounced on average, though significant differences are evident, especially year by year.

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)0,002
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil0,743

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,033
Tête enseignante GPT0,216
Écart entre enseignants0,184 · 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'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

Citations28
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Royal Statistical Society Series A (Statistics in Society)Même sujetFiscal Policy and Economic GrowthTravaux en français237 207