MétaCan
Menu
Retour à la cohorte
Enregistrement W2310821188

Size and Development of the Shadow Economy of 31 European and 5 other OECD Countries from 2003 to 2013: A Further Decline

2013· article· en· W2310821188 sur OpenAlexaboutno aff
Friedrich Schneider

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueTaxation and Compliance Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésShadow (psychology)EconomyEuropean unionEconomicsEu countriesInternational economics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the Tables 1 to 3 the size and development of 31 European and of five non-European shadow economies over the period 2003-2013 is presented 1 . If we first consider the results of the average size of the shadow economy of the 27 European Union countries, we realize that the shadow economy in the year 2003 was 22.3% (of official GDP), decreased to 19.3% in 2008 and increased to 19.8 % in 2009 and then decreased again to 18.4 % in 2013 2 . If we compare the average of 31 European countries, in 2003 the average size was 22.4%, decreased to 19.4% in 2008, and increased to 19.9% in 2009 and decreased to 18.5 in 2013 (Table 2). If we consider the development of the shadow economy of Australia, Canada, Japan, New Zealand and the USA, we find a similar movement over time (see Table 3.); in 2013 these 5 countries had an average size of the shadow economy of 8.6%, in 2010 this value was 9.7%. If we consider the size of the shadow economies over the last 2 years (2012 and 2013) and compare them with the years 2008/09, we realize that, in most countries, we had again a decrease of the size and development of the shadow economy, which is due to the recovery from the worldwide economic and financial crises. Hence, the most important reason for this decrease is, that, if the official economy is recovering or booming, people have fewer incentives to undertake additional activities in the shadow economy and to earn extra “black” money. The only exceptions are Greece and Spain, where the recession of the official economy is so strong, that it even reduces the demand of the shadow economy activities due to the severe income losses of the Greek and Spanish people; the Greek (Spanish) shadow economy will

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,027
Tête enseignante GPT0,205
Écart entre enseignants0,178 · 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

Citations94
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTaxation and Compliance StudiesTravaux en français237 207