MétaCan
Menu
Retour à la cohorte
Enregistrement W2891993700 · doi:10.3386/w20686

Empirical Linkages between Good Government and National Well-being

2014· preprint· en· W2891993700 sur OpenAlexafffund
John R. Helliwell, Haifang Huang, Shawn Grover, Shun Wang

Notice bibliographique

RevueNational Bureau of Economic Research · 2014
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Institute for Advanced Research
Mots-clésGovernment (linguistics)BusinessPhilosophyLinguistics

Résumé

récupéré en direct d'OpenAlex

This paper first reviews existing studies of the links between good governance and subjective well-being.It then brings together the largest available sets of national-level measures of the quality of governance to assess the extent to which they contribute to explaining the levels and changes in life evaluations in 157 countries over the years 2005-2012, using data from the Gallup World Poll.The results show not just that people are more satisfied with their lives in countries with better governance quality, but also that actual changes in governance quality since 2005 have led to large changes in the quality of life.For example, the ten-most-improved countries, in terms of delivery quality changes between 2005 and 2012, when compared to the ten countries with most worsened delivery quality, are estimated to have thereby increased average life evaluations by as much as would be produced by a 40% increase in per capita incomes.The results also confirm earlier findings that the delivery quality of government services generally dominates democratic quality in supporting better lives.The situation changes as development proceeds, with democratic quality having a positive influence among countries that have already achieved higher quality of service delivery.

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)0,002
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,270
Tête enseignante GPT0,441
Écart entre enseignants0,171 · 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

Citations12
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetFiscal Policy and Economic GrowthTravaux en français237 207