Soutenabilité budgétaire et vitesse d'ajustement en République Démocratique du Congo : une analyse empirique utilisant le modèle Autoregressive Distributed Lags sur la période 1992-2023
Notice bibliographique
Résumé
Cet article explore la dynamique entre les recettes et les dépenses publiques en République Démocratique du Congo (RDC) durant la période 1992-2023, en se basant sur le modèle ARDL (Autoregressive Distributed Lags) ainsi que le test de cointégration. Les résultats obtenus montrent qu’il existe une relation significative à long terme entre ces deux éléments, assortie d’un mécanisme d’ajustement à court terme. Les tests de stationnarité, y compris le test ADF, indiquent que les séries deviennent stationnaires après une différenciation de premier ordre. L’analyse du modèle de correction d’erreur (ECM) révèle une vitesse d’ajustement d’environ 73 % par an. Par ailleurs, les résultats mettent en évidence une causalité bidirectionnelle entre les recettes et les dépenses, validant le concept de synchronisation fiscale et illustrant la dépendance des recettes vis-à-vis des fluctuations des prix des matières premières. Bien que des signes de soutenabilité budgétaire soient observés, la situation demeure fragile, s’appuyant davantage sur des ajustements réactifs que sur une planification proactive. Ces conclusions soulignent la nécessité de mettre en œuvre des réformes structurelles pour optimiser la gestion budgétaire en RDC et renforcer la résilience économique face aux chocs exogènes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».