Economic growth and ethnic violence: An empirical investigation of Hindu–Muslim riots in India
Notice bibliographique
Résumé
Abstract Most studies of Hindu–Muslim riots in India have tended to emphasize the effects of social, cultural, or political factors on the occurrence of ethnic violence. In this article, the authors focus on the relationship between economic conditions and riots. Specifically, this article examines the effect of economic growth on the outbreak of Hindu–Muslim riots in 15 Indian states between 1982 and 1995. Controlling for other factors, the authors find that just a 1% increase in the growth rate decreases the expected number of riots by over 5%. While short-term changes in growth influence the occurrence of riots, this study finds no evidence of a relationship between the levels of wealth in a state and the incidence of ethnic riots. Moreover, by including state fixed effects, the authors determine that the negative relationship found between economic growth and riots is driven primarily by the relationship between growth and riots within a state over time rather than across states. These results are robust to controlling for a number of other factors such as economic inequality, demographic variables, political competition, temporal lags, spillover effects from adjacent states, and year effects. Finally, to address potential concerns that economic growth could be a consequence rather than a cause of violence or that other unobserved factors could confound the relationship between economic growth and the occurrence of Hindu–Muslim riots, the authors also employ instrumental variables (IV) estimation, using percentage change in rainfall as an instrument for growth. The results with IV estimation are similar to the results with non-IV estimation in terms of sign and significance, indicating that the negative effect of economic growth on riots is not due to reverse causality or omitted variables bias.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».