MétaCan
Menu
Retour à la cohorte
Enregistrement W2156243172 · doi:10.1111/j.1475-4991.2007.00258.x

THE MEASUREMENT OF POVERTY WITH GEOGRAPHICAL AND INTERTEMPORAL PRICE DISPERSION: EVIDENCE FROM RWANDA

2008· article· en· W2156243172 sur OpenAlexaboutno aff
Christophe Muller

Notice bibliographique

RevueReview of Income and Wealth · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeflationPovertyEconomicsWelfareQuarter (Canadian coin)Dispersion (optics)Standard of livingPrice levelEconometricsDemographic economicsMacroeconomicsGeographyMonetary policyEconomic growth

Résumé

récupéré en direct d'OpenAlex

It is not known to what extent welfare measures result from seasonal and geographical price differences rather than from differences in living standards across households. Using data from Rwanda in 1983, we show that the change in mean living standard indicators caused by local and seasonal price deflation is moderately significant at every quarter. By contrast, the differences in poverty measures caused by this deflation can be considerable, for chronic as well as transient or seasonal poverty indicators. Thus, poverty monitoring and anti‐poverty targeting can be badly affected by inaccurate deflation of living standard data. Moreover, when measuring seasonal poverty, the deflation based on regional prices instead of local prices only partially corrects for spatial price dispersion. Using annual local prices instead of quarterly local prices only yields a partial deflation, which distorts the measure of poverty fluctuations across seasons and biases estimates of annual and chronic poverty.

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)0,003
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 enseignants0,100
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
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 Opus0,048
Tête enseignante GPT0,318
Écart entre enseignants0,269 · 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

Citations12
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Income and WealthMême sujetIncome, Poverty, and InequalityTravaux en français237 207