MétaCan
Menu
Retour à la cohorte
Enregistrement W3125183424

Impacts on Poverty of Removing Fuel Import Subsidies in Nigeria

2015· preprint· en· W3125183424 sur OpenAlexaff
Khalid Siddig, Peter Minor, Harald Grethe, Angel Aguiar, Terrie Walmsley

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2015
Typepreprint
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésSubsidyPetroleumEconomicsNatural resource economicsAgricultural economicsVolatility (finance)PovertySocioeconomic statusBusinessEconomic growthMarket economy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The petroleum sector contributes substantially to the Nigerian economy; however, the potential benefits are diminished because of the existence of significant subsidies on imports of petroleum products. Subsidies on imported petroleum products are considered to be an important instrument for keeping fuel prices, and hence the cost of living, low. The costs of these subsidies, however, have risen dramatically in recent years along with increased volatility in world petroleum and petroleum product prices and increased illegal exportation of subsidized petroleum products into neighboring countries. Removing the subsidy on fuel is one of the most contentious socioeconomic policy issues in Nigeria today. In this paper, an economy-wide framework is used to identify the impact of removing the fuel subsidy on the Nigerian economy and investigate how alternative policies might be used to meet socioeconomic objectives related to fuel subsidies. The results show that although a reduction in the subsidy generally results in an increase in Nigeria?s gross domestic product, it can have a detrimental impact on household income, and in particular on poor households. Accompanying the subsidy reduction with income transfers aimed at poor households or domestic production of petroleum products can alleviate the negative impacts on household income.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,034
Tête enseignante GPT0,304
Écart entre enseignants0,271 · 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 source (Gemma direct ou Codex distillé), 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207