MétaCan
Menu
Retour à la cohorte
Enregistrement W4321513682 · doi:10.32721/ctj.2022.70.supp.vaillancourt

The Size, Growth, and Composition of Government: Analysis and Evidence for Canada and the United States

2022· article· en· W4321513682 sur OpenAlexvenueaboutno aff
François Vaillancourt, Robert D. Ebel

Notice bibliographique

RevueCanadian Tax Journal/Revue fiscale canadienne · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Government spendingPublic policyPublic sectorPolitical sciencePublic financeDevelopment economicsWorld War IIComposition (language)EconomicsEconomic growthEconomyLawWelfare

Résumé

récupéré en direct d'OpenAlex

The topic of measuring the growth and size of government, on which there is now a robust literature and policy debate, held little interest for economists in the 18th and 19th centuries and throughout much of the 20th century. Although it is a bit dangerous to date when perceptions of the importance of the topic began to shift, a good place to start is with Richard Bird's research for the Canadian Tax Foundation in 1970 on the growth of government spending in Canada. The purpose of this paper is to briefly review what Bird recognized is an evolutionary process, and then to examine the manner in which the growth and size of government can be measured in Canada and the United States. The trends in four key measures following the Second World War are defined and documented. The paper reveals two especially important features. The first is the increase in the role of the subnational government sector. The second is that, in both countries, the public sector is trending away from spending on (and taxing for) the public's physical infrastructure and toward transfers to individuals, particularly in the form of health and income security programs.

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)0,013
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 enseignants0,098
Score d'incertitude au seuil0,713

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,025
Études des sciences et des technologies0,0060,003
Communication savante0,0040,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,018
Tête enseignante GPT0,179
Écart entre enseignants0,161 · 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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Tax Journal/Revue fiscale canadienneMême sujetFiscal Policy and Economic GrowthTravaux en français237 207