MétaCan
Menu
Retour à la cohorte
Enregistrement W2909763128

Sectoral Impacts of Public Expenditures on Real Wages: Evidence from Brazilian States

2018· article· en· W2909763128 sur OpenAlexvenueno aff
Jo o Paulo Rios e Silva, Elano Ferreira Arruda, Felipe de Sousa Bastos, Pablo Urano de Carvalho Castelar

Notice bibliographique

RevueReview of Economics and Finance · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsReal wagesWagePanel dataPublic sectorFiscal policyLabour economicsMacroeconomicsEconomyEconometrics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This work analyzes the sectoral impacts of public spending on real wages in Brazilian states. A panel covering the period of 1995-2014 for Brazilian states is used, with information on public expenditures, gross domestic product and average real wages in seven sectors of activity, with impulse response functions extracted from panel VAR models. The sectors analyzed are Agriculture, Plant Extraction, Hunting and Fishing, Services, Commerce, Construction, Manufacturing, Public Utility Services and Mineral Extraction. The sectoral analysis is relevant given the possibility of asymmetries in real wage responses to fiscal policy in different sectors. From this exercise, it is possible to make inferences about the labor market in these sectors in Brazil, and infer if the outcomes are similar to those found in the Real Business Cycles tradition, i.e., with negative responses of real wages to shocks in the budget spending of states, or if the fiscal shocks increase real wages, as observed in the New Keynesian models. The evidence suggests that both GDP and real wages respond positively to shocks in public spending in all sectors analyzed and that these impacts are greater in the states in the South, Southeast and Midwest regions of Brazil.

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)0,007
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 enseignants0,124
Score d'incertitude au seuil0,247

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,004
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)0,0020,000

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 Opus0,064
Tête enseignante GPT0,274
Écart entre enseignants0,210 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetFiscal Policy and Economic GrowthTravaux en français237 207