MétaCan
Menu
Retour à la cohorte
Enregistrement W2408863611 · doi:10.1111/roiw.12318

Estimating the Level and Distribution of Global Wealth, 2000–2014

2017· preprint· en· W2408863611 sur OpenAlexaff
James Davies, Rodrigo Lluberas, Anthony Shorrocks

Notice bibliographique

RevueReview of Income and Wealth · 2017
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Crisis and Policies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésDistribution (mathematics)Benchmark (surveying)Wealth distributionContext (archaeology)EconometricsDistribution of wealthEstimationEconomicsRegional scienceGeographyInequalityMathematicsCartographyManagement

Résumé

récupéré en direct d'OpenAlex

This paper estimates the level and distribution of household wealth globally, as well as for regions and countries, for the period 2000–2014. The data used are mainly from household surveys and national accounts balance sheets, covering about two thirds of the world's population and over 95% of global household wealth. Lists of the most wealthy published in the media are used to adjust the upper tail. Wealth levels and distributions are imputed for countries without data. Estimated global household wealth stood at USD 251 trillion in 2014, having grown from USD 117 trillion in the year 2000. Wealth per adult in 2014 was USD 53,000. The estimated Gini coefficient of global wealth was 92.2% in 2014 and the share of the top 10% was 88.3%. Wealth inequality fell from 2000 to 2007, with the share of the top 10% falling from 89.4% to 86.5%, before rising steadily to 2014. From 2000 to 2008 the share of financial assets in gross wealth, an important driver of wealth inequality, fell from 55.2% to 50.2%, before climbing to 55.0% in 2014. Household debt rose from 13.6% of gross assets in 2000 to 16.0% in 2008, and has since fallen to 13.9%.

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)0,003
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 enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
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 Opus0,043
Tête enseignante GPT0,312
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 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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Income and WealthMême sujetGlobal Financial Crisis and PoliciesTravaux en français237 207