MétaCan
Menu
Retour à la cohorte
Enregistrement W2745085749 · doi:10.5539/ijef.v9n9p60

Will Rising Debt in China Lead to a Hard Landing?

2017· article· en· W2745085749 sur OpenAlexvenueno aff
Wang Man Cang, Zhou Ming Matt

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policies and Political Economy
Établissements canadiensnon disponible
Organismes subventionnairesWorld Bank Group
Mots-clésEconomicsDebtDebt-to-GDP ratioGovernment debtInternal debtGranger causalityDowngradeRevenueMonetary economicsExternal debtGovernment (linguistics)Debt levels and flowsChinaMacroeconomicsFinanceGeographyEconometrics

Résumé

récupéré en direct d'OpenAlex

Moody has recently downgraded China's sovereign debt, which's Moody's first downgrade for the country since 1989. The objective of this study is to get an insight into the local and regional government debt in China, analyze the key factors, and evaluate the economic risks. Based on the published data since 1996, the granger causality test is performed to find out the relationship between local government debt level, the fiscal income, GDP growth rate and CPI. Some major findings are: i) local government debt is accumulated through more spending on economic development and less funding obtained from the revenue sharing scheme between governments. ii) fiscal income and GDP growth rate have positive impact on the increase of local government debt. iii) CPI increase shows negative impact on the local government debt. It’s projected that in the coming years, slower growth and less income with a stable CPI could slow down debt accumulation. The Chinese government should monitor the risk factors closely and use risk mitigation tools to avoid a hard landing.

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)0,000
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,608
Score d'incertitude au seuil0,495

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,026
Tête enseignante GPT0,255
Écart entre enseignants0,229 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetFiscal Policies and Political EconomyTravaux en français237 207