MétaCan
Menu
Retour à la cohorte
Enregistrement W4396229335 · doi:10.1515/ev-2024-0019

A Comparative Evaluation of Fiscal Stabilization Strategies during the Covid-19 Pandemic with Germany as a Reference Point

2024· article· en· W4396229335 sur OpenAlexaboutno aff
Victoria Baudisch, Matthias Neuenkirch

Notice bibliographique

RevueThe Economists Voice · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policies and Political Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCounterfactual thinkingEconomicsCoronavirus disease 2019 (COVID-19)Control (management)PandemicPublic economicsCashPoint (geometry)Consumption (sociology)International economicsMacroeconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract We provide a comparative evaluation of fiscal stabilization strategies during the Covid-19 pandemic. For this purpose, we use Germany’s temporary value-added tax (VAT) rate reduction as a reference point. We construct a credible counterfactual for Germany in a two-step procedure. First, we carry out a careful pre-selection of the donor pool countries to obtain a control group that is highly similar to Germany regarding important post-treatment characteristics. Second, we apply a reweighting scheme on the pre-selected donor countries. The synthetic control group only differs from Germany in the way that it did not implement the temporary VAT rate reduction. Our results indicate that the German VAT cut policy and partial VAT reductions in other countries were relatively ineffective in stimulating consumption with regards to their costs when compared to other measures such as (targeted) direct cash transfers (e.g. implemented in Canada, Denmark, Japan, and the United States). We attribute this to the fact that direct cash transfers are more comprehensible, salient, and actionable, in particular, in a dynamic environment with high uncertainty induced by unclear future economic prospects.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,348
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,125
Tête enseignante GPT0,334
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 tête enseignante, pas un consensus.

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

Citations16
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Economists VoiceMême sujetFiscal Policies and Political EconomyTravaux en français237 207