MétaCan
Menu
← Retour à la cohorte
Enregistrement W3026854043

Economic Performance and Electoral Volatility : Testing the Economic Voting Hypothesis on Indian States, 1957–2013

2018· preprint· en· W3026854043 sur OpenAlexaff
Bharatee Bhusana Dash, J. Stephen Ferris

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2018
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueElectoral Systems and Political Participation
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésVolatility (finance)EconomicsVotingMonetary economicsMacroeconomicsPoliticsEconometricsPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The electoral consequences of variations in economic growth on vote volatility are analyzed on a panel of fourteen Indian states between 1957 and 2013. Two measures of volatility are used: first changes in party vote shares at the assembly level and the state average of volatilities constructed at the constituency level. While the results suggest that both volatilities are reduced by higher income growth rates, volatility at the constituency level is found to be somewhat more sensitive to growth rates. Examination of the periodicity of income growth’s impact finds that the growth rate in the final year of governance has a stronger effect on volatility than does the average income growth rate arising over the entire election cycle. We also find that vote switching responds more to negative rather than positive growth changes and, by decomposing volatility, find that growth changes affect internal vote shifting more than between established parties and new comers. More generally the responsiveness of volatility to set of economic and political characteristics of the state suggests that theories of economic voting have an important role to play in understanding electoral outcomes and hence the process of development

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)0,004
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 enseignants0,048
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,086
Tête enseignante GPT0,356
Écart entre enseignants0,270 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetElectoral Systems and Political Participation→Travaux en français237 207→