MétaCan
Menu
← Retour à la cohorte
Enregistrement W4405228107 · doi:10.1093/9780198930426.003.0005

Resolving Vertical and Horizontal Imbalances in India

2024· book-chapter· en· W4405228107 sur OpenAlexaboutno aff
C. Rangarajan, Dinesh Kumar Srivastava

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsRevenuePublic economicsTax revenueIncentiveMicroeconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter brings together the ideas developed based on theoretical considerations, and the Canadian and Australian examples, to comprehensively examine the design of fiscal transfers in India in resolving vertical and horizontal imbalances. With respect to the vertical dimension, we note that in India, there has been long-term stability, at least up to the Twelfth Finance Commission, in the shares of the centre and the states in the combined tax revenues of the system after tax devolution. This chapter also shows that, subject to certain assumptions, tax revenue sharing under an axiomatic framework will result in transfers that will be consistent with the concept of revenue side equalization as used in Canada. The difference is that in the Indian case, a macro base rather than a tax-by-tax approach is followed on the revenue side. A major issue in following a criteria-based tax devolution approach relates to objectively determining weights attached to different criterion. We have suggested an axiomatic framework for this. It is also argued that for determining grants, the revenue gap approach leads to significant adverse incentives. This should be replaced by a suitable norm-based approach. The volume of fiscal transfers and the extent of borrowing are interdependent. With respect to borrowing, it is important to develop a sustainability framework. A healthy and stable system of fiscal transfers requires that borrowing by the central and state governments is kept at sustainable levels.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,003
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,022
Tête enseignante GPT0,204
Écart entre enseignants0,182 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

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