MétaCan
Menu
Retour à la cohorte
Enregistrement W2159696398 · doi:10.7202/800721ar

Distribution des revenus et développement : quelques faits stylisés

2009· article· en· W2159696398 sur OpenAlexvenueno aff
Montek S. Ahluwalia

Notice bibliographique

RevueL Actualité économique · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInequalityEconomicsEconomic inequalityIncome distributionDeveloping countryDistribution (mathematics)Welfare economicsDemographic economicsEconometricsDevelopment economicsEconomic growthMathematics

Résumé

récupéré en direct d'OpenAlex

In recent years, the relationship between income distribution and the process of development has come under increasing scrutinity. Much of the debate has focused on the hypothesis, originally advanced by Simon Kuznets, that the secular behavior of inequality follows an inverted U shaped pattern which inequality first increasing and then decreasing with development. This hypothesis has become so much a part of the conventional wisdom on this subject that it has generated considerable skepticism about the welfare implications of the development process. Indeed, on some interpretations, developing countries face the grim prospect not just of increasing relative inequality, but also of declining absolute incomes for the lower income groups. The object of the article is to re-examine the empirical basis for this hypothesis using a recent compilation of cross-country data made at the World Bank. The author uses multiple regression to estimate cross country relationships between inequality, as reflected in the income shares of various percentile groups, and selected explanatory variables reflecting different aspects of the development process. The results suggest that while there may be a secular time path for inequality which developing countries must traverse and which contains a phase of increasing inequality, there is at least no evidence that faster growing countries show higher inequality at the same level of development than slower growing countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,007
Communication savante0,0040,006
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,073
Tête enseignante GPT0,341
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueL Actualité économiqueMême sujetIncome, Poverty, and InequalityTravaux en français237 207