Dette publique et croissance économique : investigation empirique pour la zone euro, l’Union européenne et les pays avancés
Bibliographic record
Abstract
L’objet de cet article est d’étudier l’impact de la dette publique sur la croissance économique. Pour ce faire et afin d’éviter le problème d’hétérogénéité, un échantillon total de 35 pays (zone euro, Union européenne et pays avancés) est divisé en deux groupes, différenciés par leurs ratios d’endettement public en pourcentage du PIB. Nous testons cette problématique durant la période 2006-2013, marquée par la crise financière et celle de la dette souveraine. L’outil économétrique utilisé se base sur les estimations de la méthode des moments généralisés en panel dynamique, développée par Blundell et Bond (1998). Les résultats obtenus au niveau de l’échantillon total et des pays très endettés plaident en faveur d’un effet négatif du fardeau élevé de la dette publique sur la croissance, au-delà des valeurs limites suggérées par le traité de Maastricht. Pour le groupe de pays qui maîtrise bien son ratio d’endettement, l’impact est au contraire positif, confirmant l’existence d’un effet d’incitation du déficit et de la dette publique à la croissance économique. La conclusion de ce travail est que la relation entre la dette publique et la croissance varie considérablement selon la période observée et le pays étudié. En plus, l’endettement public peut être considéré comme un outil légitime de politique économique qui permet de fabriquer la croissance, si elle est gérée avec prudence.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".