Examining Transparency and Efficiency in Local Government Unit Disbursement Using Publicly Available Data from Cebu Province, Philippines
Notice bibliographique
Résumé
This study examines the relationship between fiscal transparency and disbursement efficiency in a local government unit (LGU) in Cebu, Philippines, using publicly available 2024 fiscal data. Transparency is defined as the percentage of actual quarterly disbursement relative to the expected amount—25% of the annual budget per quarter—while efficiency measures the proportion of funds utilized. Both variables are derived from disbursement percentages, contributing to the strong positive correlation and unusually high regression coefficients observed. Linear regression analyses across four quarters reveal a consistent, statistically significant positive relationship between transparency and efficiency. Unstandardized coefficients (B) rise from 0.25 in Quarter 1 to 0.57 in Quarter 4, with Quarter 4 showing the highest standardized beta (β = 10.19, R² = 0.985). These results indicate that transparency increasingly influences efficiency as fiscal pressures mount toward year-end. The findings affirm transparency as a critical governance tool that aligns planned and actual disbursements to improve budget execution. Practically, enhanced transparency fosters accountability, strengthens fiscal discipline, and supports evidence-based resource allocation, which are vital for effective LGU policy and responsive public service delivery. However, the close operational linkage between transparency and efficiency warrants cautious interpretation of coefficient magnitudes. The study recommends performance-informed budgeting, improved monitoring, and inter-agency coordination to balance transparency with execution flexibility, optimizing resource use and governance outcomes in decentralized fiscal systems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».