Faut-il brûler les règles budgétaires ? Leçons de l’expérience américaine (1988-2017)
Bibliographic record
Abstract
L’étude des règles budgétaires en vigueur dans les États américains, pour la plupart depuis très longtemps, permet de juger si leur effet est pro ou contra-cyclique face à un choc. Nous analysons les ajustements budgétaires mis en œuvre, non seulement en étudiant les variations des dépenses et des impôts, mais aussi en intégrant la volatilité de l’emploi public. Nous utilisons une classification des règles budgétaires plus détaillée que celle couramment utilisée dans la littérature et intégrons également les fonds de stabilisation (Rainy Day Funds), qui offrent un instrument de lissage de la conjoncture, pour les États en possédant. Nous montrons que, pour les États américains en cycle budgétaire annuel, les règles budgétaires ne sont pas neutres : le nombre de règles budgétaires dans la phase de mise en œuvre du budget exerce une fonction limitative sur le budget, notamment si elles sont de nature constitutionnelle. Ce sont ces règles qui contraignent les gouverneurs à opérer des ajustements budgétaires, et ce avec un effet amplifié en fonction de la force d’un choc non anticipé (générant donc un comportement procyclique).
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".