Protection and the determinants of household income in Tanzania 1991-2007
Notice bibliographique
Résumé
This paper analyses the association between household characteristics' in particular size and location, and for the household head age, sector of employment (and the tariff applicable to that sector) and education - and household income using data from the Tanzania Household Budget Survey for the years 1991/92, 2000/01 and 2007. The static analysis of the determinants of household income is based on the full sample and is complemented by a dynamic analysis using a pseudo-panel (representative households). Larger households have lower income; living in urban areas is associated with income around one quarter higher than rural households; and location in the Coastal zone, which includes Dar es Salaam, increases household income by about 15% compared to the poorest region (Central). Years of education of the household head is associated with higher income: each additional year of education adds about 4.5%. Average incomes of agriculture households are lower than for manufacturing households, but within each broad sector incomes appear to be higher in sub-sectors with higher tariffs. Household income tends to increase in both tariffs and education, but the effect of tariffs diminishes or becomes negative for household heads with secondary education and alters over time. Observing that tariffs offer less protection to the incomes of more educated workers compared to less educated (less skilled) workers is consistent with better educated workers being more productive and therefore in firms, or sectors, better able to compete with imports. Given data limitations it would be incorrect to infer a causal effect of tariffs on household incomes. Nevertheless, the analysis is informative about the effect of the cross-sector pattern of tariff protection on household incomes allowing for other determinants.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».