MétaCan
Menu
Retour à la cohorte
Enregistrement W2113102662 · doi:10.1177/0020715212450043

Economic crises, population aging and the electoral cycle: Explaining pension policy retrenchments in 19 OECD countries, 1981–2004

2012· article· en· W2113102662 sur OpenAlexvenueno aff
Juan J. Fernández

Notice bibliographique

RevueInternational Journal of Comparative Sociology · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Policy and Reform Studies
Établissements canadiensnon disponible
Organismes subventionnairesCentral European University
Mots-clésPensionBlameGenerosityEconomicsPopulationArgument (complex analysis)RetrenchmentPopulation ageingPoliticsEconomic policyDevelopment economicsPolitical scienceFinanceSociologyPublic administrationMedicineLaw

Résumé

récupéré en direct d'OpenAlex

After decades of recurrent improvements in the generosity of public pension programs, since the early 1980s many pension reforms aimed to decelerate pension spending growth and strengthen the finances of these programs by retrenching the duration and/or value of pension entitlements. To understand this historical reversal in public pension provision, this article examines the forces affecting the enactment of contemporary pension retrenchments in 19 OECD countries. Based on a synthetic review of the pension policy literature, it identifies 90 pension retrenchments passed in these countries between 1981 and 2004. A growing literature on pension policy reform suggests that these policy events occur only when policy-makers can devise mechanisms to reduce their political blame. Building on this research, this article argues that the strategic consideration of economic and electoral cycles constitute two blame-avoidance strategies. First, by passing a pension retrenchment early in the electoral cycle, policy-makers can expect to face less electoral retaliation. Second, due to uncertainty in demographic projections, the demographic transition constitutes a weak discursive strategy to legitimate pension retrenchments. For this reason, population aging only affects the likelihood of reform by increasing the impact of economic crises. The article presents results from conditional frailty models for recurrent and sequential events that support this argument.

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 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 enseignants0,309
Score d'incertitude au seuil0,890

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)0,0000,000

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 Opus0,058
Tête enseignante GPT0,431
Écart entre enseignants0,373 · 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

Citations35
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Comparative SociologyMême sujetSocial Policy and Reform StudiesTravaux en français237 207