Réformes economiques et croissance pro-pauvre : une application macro-micro aux Philippines
Bibliographic record
Abstract
Résumé Dans la perspective d’une stratégie de réduction de la pauvreté et l’atteinte des Objectifs du Millénaire pour le Développement, une littérature sur la croissance pro-pauvre s’est développée depuis une quinzaine d’années. Toutefois, les analyses d’impact sur la pauvreté des réformes sont appliquées en équilibre partiel et abordent peu l’efficacité et l’équité conjointement. De plus, elles s’intéressent rarement aux interactions entre les politiques envisagées. Nous abordons ces questions à travers une application d’un modèle d’équilibre général calculable de type macro/micro aux Philippines dans lequel nous générons de la croissance par l’endogénéisation de l’offre de travail et les externalités des dépenses publiques. Les résultats mitigés obtenus des simulations de réformes illustrent l’importance de la prise en compte des spécificités et du contexte particulier de chaque pays dans la mise en œuvre des réformes. Classification JEL : D58, I30, E62
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 | 0.007 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.002 | 0.002 |
| 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; a candidate call from one teacher head, 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".