Corruption, Development and the Curse of Natural Resources
Notice bibliographique
Résumé
Abstract. Sachs and Warner (1995) found a negative relationship between natural resources and economic growth, concluding that natural resources are a curse. This explanation for poor economic growth is now widely accepted. We provide an alternative econometric framework for evaluating the resource curse. We focus on resource rents and rent-seeking behaviour, arguing that rent seeking affects corruption and that, in turn, impacts well-being. Our measure of well-being is the Human Development Index, although we find similar results for per capita GDP. While resource abundance does not directly impact economic development, we find that natural resources are associated with rent seeking that negatively affects well-being, with results robust to various model specifications and sensitivity analyses. Résumé. Sachs et Warner (1995) ont observé une relation négative entre les ressources naturelles et la croissance économique et ils en ont conclu que les ressources naturelles étaient une malédiction. Cette explication de la faible croissance économique est maintenant largement acceptée. Nous offrons un cadre économétrique pour évaluer différemment cette malédiction des ressources. Nous nous concentrons sur les rentes tirées des ressources et sur la recherche de rente, en faisant valoir que la recherche de rente affecte la corruption, qui à son tour nuit au bien-être. Notre mesure du bien-être est l'indice de développement humain, même si nous trouvons des résultats similaires pour le PIB par habitant. Bien que l'abondance des ressources n'ait pas d'impact direct sur le développement économique, nous constatons que les ressources naturelles sont associées à la recherche de rente qui a une incidence négative sur le bien-être, comme en attestent nos résultats empiriques selon les diverses spécifications du modèle et des analyses de sensibilité.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».