MétaCan
Menu
Retour à la cohorte
Enregistrement W3124903678

Equity and Policy Effectiveness with Imperfect Targeting

2004· preprint· en· W3124903678 sur OpenAlexafffund
Sami Bibi, Jean‐Yves Duclos

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2004
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensUniversité Laval
Organismes subventionnairesEconomic Research ForumSocial Sciences and Humanities Research Council of CanadaInternational Development Research Centre
Mots-clésPovertyEquity (law)ImperfectInequity aversionEconomicsNormativePublic economicsLoss aversionRanking (information retrieval)MicroeconomicsRisk aversion (psychology)EconometricsFinancial economicsInequalityComputer scienceExpected utility hypothesisEconomic growthPolitical scienceMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We propose a general approach that jointly integrates horizontal and vertical equity criteria in the assessment of poverty alleviation programs, with the strength of each criterion being captured through its own inequity-aversion parameter. This contrasts with the assessment of poverty allevia-tion programs done with simple under-coverage and leakage ratios or with other methods that do not take into account the heterogeneity of the poor and that do not address directly the social benefits of achieving normative criteria. Our methodology is illustrated using Tunisian data and two alter-native poverty alleviation policies. We find inter alia that the social ranking of commodity and socio-demographic targeting in Tunisia depends on the policymaker’s comparative preference for vertical and horizontal equity.

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)0,011
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,530
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
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 Opus0,044
Tête enseignante GPT0,396
Écart entre enseignants0,352 · 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.

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

Citations3
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetIncome, Poverty, and InequalityTravaux en français237 207