MétaCan
Menu
Retour à la cohorte
Enregistrement W3141326473 · doi:10.5539/res.v13n2p26

Good Governance and Economic Growth in South European Countries

2021· article· en· W3141326473 sur OpenAlexvenueno aff
Dimitra Mitsi

Notice bibliographique

RevueReview of European Studies · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policies and Political Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRule of lawEconomicsProsperityMacroeconomicsContext (archaeology)Good governanceGross domestic productCorporate governanceOpenness to experiencePoliticsInternational economicsMonetary economicsEconomic growthFinancePolitical science

Résumé

récupéré en direct d'OpenAlex

Economic growth is a prerequisite for economic development. However, there is no “recipe” for countries to create an environment of prosperity and to achieve high rates of economic growth. Many researchers have examined the drivers of economic growth and find that economic growth depends on many economic and institutional variables. In this context, the main objective of this paper is to examine the role of good governance on economic growth in piicgs countries (Portugal, Ireland, Italy, Cyprus, Greece, and Spain). The database was collected from many sources and the empirical analysis is based on a 2SLS (two-stage least squares) technique. In our empirical results, we find that trade openness, gross capital formation, inflation, political stability, rule of law, debt rule, budget balanced rule, and the combination between debt rule/budget balanced rule with political stability and combination between debt rule/budget balanced rule with rule of law are significant drivers of economic growth in piicgs countries while foreign direct investments, government effectiveness, voice and accountability, regulatory quality, fiscal rule index and expenditure rule are insignificant. However, the results may be different if we use other sample groups and/or different periods.

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)0,002
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,035
Tête enseignante GPT0,248
Écart entre enseignants0,213 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of European StudiesMême sujetFiscal Policies and Political EconomyTravaux en français237 207