Stimulating economy via fiscal package: The only way out to save vulnerable Workers' lives and livelihood in Covid‐19 pandemic
Notice bibliographique
Résumé
This paper examines critically the economic package announced by the Indian central government to counter the challenges of lives and livelihood in the Covid-19 pandemic. This paper estimates the shares of the fiscal economic packages in two phases as per the shares of the vulnerable workers and number of Covid-19 cases in the Indian states. The recent data on labour market are used from National Sample Survey Organization and data on Covid-19 cases from Ministry of Health and Family Welfare. This paper recommends alternatively a fiscal stimulus package of Rs. 10 lakh crores (5% of GDP) with an immediate effect to counter the present problems of health, food and unemployment in the pandemic and should be extended to Rs. 24 lakh crores (12% of Indian GDP) to the Indian states for at least 1 year to protect the lives and livelihood of the most vulnerable, informal and migrant workers. The populous and poor states like Uttar Pradesh and Bihar have higher share of vulnerable workers and highly industrialized states like Maharashtra, Gujarat, Delhi and Tamil Nadu have higher number of Covid-19 cases. Due to the unplanned lockdown in India, there has been a surge in Covid-19 cases across the country that in turn led to an increase in vulnerable workers in poor states due to reverse migration from industrialized states to populous and poor states during the pandemic. Furthermore, the paper explains the five significant factors that justify the adoption of an expansionary fiscal policy rather than monetary policy.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».