MétaCan
Menu
← Retour à la cohorte
Enregistrement W4237745686 · doi:10.32920/ryerson.14662185.v1

Dynamic Laffer Curves and Population Growth

2021· preprint· en· W4237745686 sur OpenAlexaff
Shumaila Waqas

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensToronto Metropolitan UniversityInternational Federation on Ageing
Organismes subventionnairesnon disponible
Mots-clésLaffer curveEconomicsTax rateTax revenuePopulationTax reformAd valorem taxMonetary economicsValue-added taxIndirect taxRevenueMacroeconomicsState income taxPublic economicsFinanceGross income

Résumé

récupéré en direct d'OpenAlex

This paper extends the model of Ireland (1994) by incorporating population growth in examining the dynamic effects of a tax cut on the government’s intertemporal budget constraint. A tax cut has two opposing effects. First, it increases the growth rate of the economy and, thus, increases the size of the tax base and tax revenues in the future. On the other hand, a reduction in the tax rate leads to a decrease in revenues in the short run. A dynamic Laffer curve effect arises if a decrease in tax revenue can be counter-balanced by a future increase in tax revenue to ensure that the government’s intertemporal budget constraint is not violated. Similarly, population growth has two opposing effects. A high population growth decreases the per capita growth rate of the economy. On the other hand, a larger population represents a larger tax base and, therefore, makes it easier for a government to finance a budget deficit. Relative to the simulation results in Ireland (1994), our simulations indicate that incorporating population growth into his model implies that the dynamic effect of a given tax cut worsens the government’s long-run fiscal outlook.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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 Opus0,027
Tête enseignante GPT0,225
Écart entre enseignants0,198 · 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'étudeThéorique ou conceptuel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFiscal Policy and Economic Growth→Travaux en français237 207→