Le secteur public : moteur de croissance ou obstruction à l’industrie?
Bibliographic record
Abstract
Trois mesures sont proposées dans la littérature récente pour évaluer l’impact des dépenses gouvernementales sur la croissance économique : premièrement, la croissance du revenu per capita est régressée sur la taille relative du secteur public, deuxièmement, la croissance du PIB est régressée sur le taux de croissance de la consommation publique et, enfin, on a effectué des tests de causalité à la Granger entre les dépenses publiques passées et l’output courant. Les trois mesures fournissent des conclusions contradictoires : l’une suggère que le secteur public devrait être réduit, l’autre qu’il devrait être important et, la dernière, que cela n’a pas d’importance. Dans cet article, nous contournons les problèmes reliés à chacune de ces approches en considérant un modèle dans lequel le gouvernement maximise l’output sous la contrainte d’un contrat social qui fixe les parts des dépenses de consommation publique et des transferts. Nous trouvons que la consommation publique a un effet positif et les transferts un effet négatif sur la productivité totale des facteurs. Si les transferts sont contraints de représenter la moitié du secteur public, la taille optimale de l’ensemble du secteur public est d’environ 25 % du PIB.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.026 | 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; 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".