MétaCan
Menu
Retour à la cohorte
Enregistrement W2800739470 · doi:10.5539/ijef.v10n5p242

Income Inequality and Economic Growth: An Analysis Using a Panel Data

2018· article· en· W2800739470 sur OpenAlexvenueno aff
Mohamed Bouincha, Mohamed Karim

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsInequalityEconomic inequalityKuznets curveCausality (physics)Gini coefficientPanel dataIncome inequality metricsDeveloping countryDevelopment economicsEconometricsMacroeconomicsDemographic economicsEconomic growthMathematics

Résumé

récupéré en direct d'OpenAlex

A long time ago, economic growth was the main indicator of countries’ economic health. However, since the 1970s, the analysis of the relationship between economic growth and other economic phenomena such as inequality has begun to grow (Sundrum, 1974). Much of the literature on the link between economic growth and income inequality is based on Kuznets revolutionary theory. The purpose of our article is to suspect the causality relationship between growth and inequality. To do this, we used data from 189 countries for the period between 1990 and 2015. We estimated a global model and three other of each category of countries in terms of development. In the global model, economic growth is insignificant even if its sign is positive. The same result appears in the developing country model and the moderately developed countries one. However, in the developed countries model, economic growth is negatively and statistically related to inequality. The Kuznets curve is approved in our study only when using human development indicator in the place of growth. Growth explain inequality’s movement in our study only in the model of developed countries and its coefficient is negative.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,291
Score d'incertitude au seuil0,665

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,106
Tête enseignante GPT0,357
Écart entre enseignants0,251 · 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'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

Citations24
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetIncome, Poverty, and InequalityTravaux en français237 207