MétaCan
Menu
Retour à la cohorte
Enregistrement W3125478774

Bribing to Circumvent Capture and Facilitate Participation in Social Programs: Evidence from Indian Villages

2011· preprint· en· W3125478774 sur OpenAlexfundno aff
Raghbendra Jha, Hari K. Nagarajan, Kailash Chandra Pradhan

Notice bibliographique

RevueANU Open Research (Australian National University) · 2011
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésLanguage changePublic goodWelfareOddsPublic economicsBusinessPopulationEconomic growthEconomicsDevelopment economicsLogistic regressionMarket economyEnvironmental healthMedicineMicroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Given that the phenomenon of capture of public programs by sections the population is rampant in developing countries, households can indulge in a strategy to improve their odds of participating in public programs by bribing the suppliers of such programs. This is an important issue affecting both the supply of local public goods and the incidence of corruption. To the best of our knowledge there is no analysis of the impact of bribery on the odds of participating in a local public goods program, anywhere. Using a unique data set for rural India this paper addresses the question of whether households bribe elected officials responsible for assuring such supply to improve their access to local public goods. We find considerable evidence of such bribing. We also model the welfare effects of such bribing on groups of households as well as the impact of bribery on aggregate welfare. Several policy conclusions are advanced.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,470
Tête enseignante GPT0,390
Écart entre enseignants0,080 · 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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueANU Open Research (Australian National University)Même sujetMicrofinance and Financial InclusionTravaux en français237 207