Trade Liberalisation, Growth and Poverty in Senegal: a Dynamic Microsimulation CGE Model Analysis
Notice bibliographique
Résumé
Much current debate focuses on the role of growth in alleviating poverty. However, the majority of computable general equilibrium (CGE) models used in poverty and inequality analysis are static in nature. The inability of this kind of model to account for growth (accumulation) effects makes them inadequate for long run analysis of the poverty and inequality impacts of economic policies. They exclude accumulation effects and do not allow the study of the transition path of the economy where short run policy impacts are likely to be different from those of the long run. To overcome this limitation we use a sequential dynamic CGE microsimulation model that takes into account accumulation effects and makes it possible to study poverty and inequality through time. Changes in poverty are then decomposed into growth and distribution components in order to examine whether de-protection and factor accumulation are pro-poor or not.\n\nThe model is applied to Senegalese data using a 1996 social accounting matrix and a 1995 survey of 3278 households. The main findings of this study are that trade liberalisation induces small increases in poverty and inequality in the short run as well as contractions in the initially protected agriculture and industrial sectors. In the long run, it enhances capital accumulation, particularly in the service and industrial sectors, and brings substantial decreases in poverty. However, a decomposition of poverty changes shows that income distribution worsens, with greater gains among urban dwellers and the non-poor.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».