MétaCan
Menu
Retour à la cohorte
Enregistrement W3122806605 · doi:10.1111/j.1475-4991.2009.00357.x

TESTING FOR PRO‐POORNESS OF GROWTH, WITH AN APPLICATION TO MEXICO

2009· preprint· en· W3122806605 sur OpenAlexaff
Abdelkrim Araar, Jean‐Yves Duclos, Mathieu Audet, Paul Makdissi

Notice bibliographique

RevueReview of Income and Wealth · 2009
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensUniversité de SherbrookeUniversity of OttawaUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPovertySample (material)PopulationGeographyEconometricsStatisticsDemographic economicsEconomicsDemographyEconomic growthMathematicsSociology

Résumé

récupéré en direct d'OpenAlex

This paper proposes techniques to test for whether growth has been pro‐poor. We first review different definitions of pro‐poorness and argue for the use of methods that can generate results that are robust over classes of pro‐poor measures and ranges of poverty lines. We then provide statistical procedures that rely on the use of sample data to infer whether growth has been pro‐poor in a population. We apply these procedures to Mexican household surveys for 1992, 1998, and 2004. We find strong normative and statistical evidence that Mexican growth has been absolutely anti‐poor between 1992 and 1998, absolutely pro‐poor between 1998 and 2004 and between 1992 and 2004, and relatively pro‐poor between 1992 and 2004 and between 1998 and 2004. The relative assessment of the period between 1992 and 1998 is statistically too weak to lead to a robust evaluation of that period.

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)0,004
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,383
Score d'incertitude au seuil0,552

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
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 ouverte0,0000,000
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 Opus0,052
Tête enseignante GPT0,379
Écart entre enseignants0,327 · 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'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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Income and WealthMême sujetIncome, Poverty, and InequalityTravaux en français237 207