KAMU HARCAMALARI EKONOMİK BÜYÜME İÇİN DESTEK Mİ? ENGEL Mİ? G7 ÜLKELERİNDE ASİMETRİK NEDENSELLİK TESTİ
Bibliographic record
Abstract
Kamu harcamaları ile ekonomik büyüme arasındaki nedensel bağıntının gerek yönü gerekse büyüklüğü konusunda birbirinden oldukça farklı görüşler bulunmaktadır.Klasik iktisada göre genişletici maliye politikaları ekonomik büyümeyi negatif yönde etkilemekte, ancak Keynesyen iktisat kamu harcamalarının çarpan mekanizması ile geliri artıracağını benimsemektedir.Diğer taraftan Ricardocu Eşdeğerlik Hipotezi, kamu harcamalarındaki artışın ekonomik büyümeyi etkilemeyeceğini ileri sürmektedir.Wagner Hipotezinde ise ekonomik büyümeden kamu harcamalarına doğru bir ilişki olduğu varsayılmaktadır.Söz konusu değişkenler arasındaki bağıntı, özellikle uygulanacak makroekonomik politikaların belirlenmesi bakımından çok fazla önem taşır.Bu çalışma kamu harcamaları ile ekonomik büyüme arasındaki nedensellik ilişkisini 1950-2011 dönemine ait verilerden hareketle G7 ülkeleri için Hatemi-J (2011; 2012) asimetrik nedensellik testi ile sınamaktadır.Elde edilen bulgulara göre; Almanya, Birleşik Krallık, İtalya, Japonya ve Kanada'da kamu kesimi büyüklüğünden ekonomik büyümeye doğru; ABD ve Japonya'da büyümeden kamu kesimi büyüklüğüne doğru bir nedensel ilişki bulunmaktadır.Fransa'da ise değişkenler arasında bir ilişki tespit edilememiştir.
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 | 0.002 | 0.004 |
| 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 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.027 | 0.006 |
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".