Fiscal Transparency, Measurement and Determinants: Evidence from 27 Developing Countries
Notice bibliographique
Résumé
Fiscal transparency has been consistently identified as a key feature of efficient fiscal policy and a prerequisite for good public governance. However, measuring fiscal transparency remains an empirical challenge, and extant literature on developing countries is still sparse. To that end, this paper examines the determinants of fiscal transparency in developing countries. We add to the existing literature by proposing a new replicable index of fiscal transparency that is consistent with the definition provided by the International Monetary Fund and the World Bank. Additional determinants of fiscal transparency, which are exclusively relevant in the study of developing countries, are also examined. In particular, we introduce such factors as natural resources, the openness of the economy, the literacy rate of the population, and the quality of institutions. Because of possible endogeneity arising from interdependence among some variables, two-stage least squares (2SLS) is used to ensure that the estimators are consistent. As a robustness check, the same estimation procedure was replicated by replacing our index of fiscal transparency with respectively the index of Andreula et al. (2009) and the Open Budget Index, both of which use a significant similar number of developing countries of our selected sample. The paper found that the level of natural resources and the openness of the capital account negatively affect fiscal transparency. However, the quality of institutions and literacy were found to positively affect fiscal transparency. These results were robust to the measure of fiscal transparency. The findings of this paper provide an explanation of why, after a decade of fiscal transparency programs, many developing countries are still lagging behind, thereby losing the potential benefits mentioned in the literature. These findings could help guide policies directed at improving the level of fiscal transparency in developing countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».