MétaCan
Menu
Retour à la cohorte
Enregistrement W4292608436 · doi:10.47814/ijssrr.v5i8.416

Fiscal decentralization, federal resources and municipal public revenues in Mexico

2022· article· en· W4292608436 sur OpenAlexaboutno aff
José Antonio Villalobos López

Notice bibliographique

RevueInternational Journal of Social Science Research and Review · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBusiness, Innovation, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRevenueTax revenueDecentralizationProperty taxLatin AmericansBusinessTotal revenueEconomic policyEconomicsFinancePolitical sciencePublic economicsLawMarket economy

Résumé

récupéré en direct d'OpenAlex

In 1983 all municipalities in Mexico absorbed 2.6% of national public revenues, being that by 2019 it reached 6.6%, thus showing a substantial growth in 36 years. Of the total municipal public revenues, federal participations represented 37.1% in 2018 and 37.1% in 2019, while federal aportments represented 35.9% in 2018 and 35.3% in 2019; both federal resources meant 73% in 2018 and 73.8% in 2019, that is, out of every 4 pesos of revenues 3 come from the federation. In 2019, the main revenues of the municipalities that come from federal funds are: General Participation Fund (23.1%); FORTAMUN (15.2%); Social Infrastructure Aportments Fund (12.79%). The tax effort or municipal own revenues accounted for 22.6% of total municipal public revenues in 2018 and 23.1% in 2019. Property tax is the main figure of municipal own revenues, representing 47.1% and 45% respectively in 2018 and 2019.As an international comparison point property tax related to GDP yielded these figures: France 4.03%, Great Britain 4.08%, Canada 3.87%, United States 2.96%, Spain 2.43%, Colombia 1.79%, Chile 1.12% and Mexico only 0.33% of GDP; appreciating a very low percentage in relation to the two Latin American nations and much lower compared to developed 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 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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,477
Score d'incertitude au seuil0,375

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,116
Tête enseignante GPT0,368
Écart entre enseignants0,252 · 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.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Social Science Research and ReviewMême sujetBusiness, Innovation, and EconomyTravaux en français237 207