Pauvreté et distribution de revenus au Sénégal: une approche par la modélisation en équilibre général calculable micro-simulé
Bibliographic record
Abstract
La nouvelle orientation de la politique économique au Sénégal vise à accroître les revenus des pauvres et à attaquer la pauvreté là où elle est principalement localisée. La stratégie de réduction de la pauvreté va être mise en oeuvre dans un contexte de libéralisation des échanges commerciaux internationaux notamment dans le secteur agricole. Dans ce contexte, nous avons développé un modèle d'équilibre général calculable micro-simulé multi-ménages du type Decaluwé et al. (1999) permettant d'évaluer l'impact que pourront avoir ces politiques agricoles à l'échelle des ménages et de faire le lien entre ces réformes économiques, la pauvreté et la distribution de revenu. Ce modèle offre beaucoup de flexibilité en permettant notamment de modifier la distribution des groupes cibles qui n'ont pas à être revenus avant l'exercice de simulation afin d'effectuer l'analyse de pauvreté et d'inégalité ex post à l'exercice de modélisation. Dans ce travail, nous avons également comparé les effets en terme d'analyse de pauvreté et d'inégalité entre une distribution paramétrique (Dagum, 3 paramètres) et une distribution non-paramétrique et montré que ce choix engendrait des différences significatives quant aux effets sur la pauvreté. Contrairement aux applications faite par Decaluwé et al. (1999) et Cockburn (2002) au Népal, les impacts sur la pauvreté sont assez importants, ce qui montre que cette approche offre un outil riche permettant d'évaluer l'impact de politiques économiques ou chocs externes sur la pauvreté et la distribution de revenu.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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; both teacher heads agree on what is shown here.
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".