MétaCan
Menu
Retour à la cohorte
Enregistrement W3120256977 · doi:10.1007/s10797-020-09642-1

Political competitiveness and the private–public structure of public expenditure: a model and empirics for the Indian States

2021· article· en· W3120256977 sur OpenAlexaff
Stanley L. Winer, J. Stephen Ferris, Bharatee Bhusana Dash, Pinaki Chakraborty

Notice bibliographique

RevueInternational Tax and Public Finance · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policies and Political Economy
Établissements canadiensCarleton University
Organismes subventionnairesShastri Indo-Canadian Institute
Mots-clésPublic financePublic expenditurePoliticsEconomicsPublic economicsGovernment (linguistics)Public goodState (computer science)Competition (biology)Socioeconomic statusPublic sectorPolitical scienceEconomyMacroeconomicsPopulationSociologyLawMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Studies of government size usually try to identify the factors that explain what parts of economic activity are brought within the public sector and what parts are left strictly in private hands. Modern governments are now so large that the question of what determines the private/public composition, or privateness, of public expenditure is of comparable importance for understanding the role of government in society. In this paper, we use a model of the composition of public budgets to uncover the importance of electoral competitiveness and other factors in the evolution of the privateness of public expenditure across the Indian states. These states vary widely in their socioeconomic characteristics while sharing a common political heritage based on parliamentary government. New measures of public expenditure on private targetable goods and of electoral competitiveness at the Indian state level accompany the paper along with a primer on Indian public finance accounting practices in an Online Appendix. The empirical analysis shows that the degree of privateness in India’s more developed states falls substantially with greater political competition and with rising incomes, while in the less developed states it responds more weakly to these key factors and in some cases even inversely.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,417
Score d'incertitude au seuil0,407

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,036
Tête enseignante GPT0,251
Écart entre enseignants0,215 · 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'étudeThéorique ou conceptuel
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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Tax and Public FinanceMême sujetFiscal Policies and Political EconomyTravaux en français237 207