Is It Time to Recast India's Fiscal and Monetary Policy Frameworks?
Notice bibliographique
Résumé
Abstract With the onset of the Coronavirus disease (COVID-19) pandemic, a number of macro parameters of the Indian economy have been thrown out of gear. The fiscal deficit on the combined account of centre and state governments in 2020-21 may increase to 11-12% of estimated GDP. Consequently, the combined debt-GDP ratio of the central and state government may reach close to 81% of GDP at the end of 2020-21, more than 20% points above the targeted threshold of 60% as per centre’s 2018 amendment to the Fiscal Responsibility and Budget Management Act (FRBMA). The CPI inflation rate breached the upper tolerance limit of the monetary policy framework (MPF) in the last quarter of 2019-20 and the first quarter of 2020-21. In fact, India’s economic crisis predates the pandemic. The infirmities of the FRBMA and the MPF had already started becoming visible with 2019-20 real and nominal GDP growth rates plummeting to 4.2% and 7.2% respectively. It is high time that we consider recasting India’s fiscal and monetary policy frameworks. In this article, we review these frameworks, identify their inconsistencies, and consider remedial changes so as to serve India’ future needs and compulsions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».