MétaCan
Menu
Retour à la cohorte
Enregistrement W3121308030 · doi:10.1111/j.1468-2354.2007.00421.x

COSTLY INTERMEDIATION AND THE POVERTY OF NATIONS*

2007· preprint· en· W3121308030 sur OpenAlexaff
Shankha Chakraborty, Amartya Lahiri

Notice bibliographique

RevueInternational Economic Review · 2007
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEconomicsPer capita incomeIncome distributionInvestment (military)PovertyDistribution (mathematics)Public capitalDeveloping countryIntermediationSample (material)Financial intermediaryDistortion (music)Monetary economicsMacroeconomicsPublic investmentInequalityEconomic growthFiscal policy

Résumé

récupéré en direct d'OpenAlex

This article has two goals: (i) to reduce the 7‐fold productivity differential required to explain the observed 33‐fold income difference between the richest and poorest countries of the world; and (ii) to explain cross‐country differences in the capital‐output ratio. To achieve the first goal we modify the production function of the standard neoclassical growth model to include public capital whose provision is subject to intermediation costs. For the second goal we distort private investment by introducing credit frictions. The model, quantified using cross‐country data, generates an income gap of 33 with productivity differences of only 3 under the measured variations in public and private capital. The required productivity gap declines even further, to 2.1, when we introduce a home‐production sector. On the second goal, however, credit frictions do a poor job of explaining cross‐country variations in the capital‐output ratio.

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)0,002
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,775
Score d'incertitude au seuil0,821

Scores Codex et Gemma par catégorie

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

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 Opus0,039
Tête enseignante GPT0,279
Écart entre enseignants0,240 · 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
GenreAutre

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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Economic ReviewMême sujetFiscal Policy and Economic GrowthTravaux en français237 207