MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313411065 · doi:10.3390/jrfm15120615

Social Security Payments and Financialization: Lessons from the Greek Case

2022· article· en· W4313411065 sur OpenAlexvenueno aff
Dionysios Kyriakopoulos, John Yfantopoulos, Theodoros V. Stamatopoulos

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFinancializationEconomicsMacroeconomicsNexus (standard)Finance

Résumé

récupéré en direct d'OpenAlex

This paper is founded on both the theoretical schemes of financialization, as a new regime of accumulation, and the shareholder value, the everyday finance, the structured finance, as well as the finance-led growth regime, whose special institutional forms concern the wage–labor nexus, the competition form, the monetary regime, the state–society relations, the insertion into the international regime, and the coherence and dynamic of the growth regime. It also aims to examine if the Greek social security system (the “system”) used financial logic in economic policy during the period of 2000q1–2021q3. It is econometrically approached through the short-run Granger causality tests but mainly the autoregressive distributed lag model in order to estimate the long-run relationships of the social contributions and benefits paid, with variables expressing the financialization either of the whole economy or particularly of one of the public sectors. So, these steady-state relationships proved statistically significant, and they are considered to be compatible with several mechanisms of the finance-led growth regime. Thus, the sustainability of the “system” should be insured by the policy makers in the economic progress and the creation of new jobs able to fund it. This article contributes to the literature by offering empirical evidence on the financialization and relevant compilation analysis.

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,005
Communication savante0,0040,004
Science ouverte0,0000,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,023
Tête enseignante GPT0,233
Écart entre enseignants0,210 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial management→Même sujetHousing, Finance, and Neoliberalism→Travaux en français237 207→