Korruption vaikutus talouskasvuun : Korruptio ja talouskasvu Latinalaisessa Amerikassa
Bibliographic record
Abstract
Korruption ja talouskasvun välinen yhteys on herättänyt keskustelua taloustieteilijöiden keskuudessa viimeisten vuosikymmenten aikana, mutta täyttä yhteisymmärrystä aiheesta ei ole kuitenkaan saavutettu. Korruptio nähdään useimmiten talouskasvua hidastavana tekijänä, mutta sen on esitetty myös sujuvoittavan talouden kannalta tehottomia toimintoja joissain tilanteissa. Tämän tutkielman tavoitteena on ottaa selvää siitä, onko korruptiolla merkitystä talouskasvun kannalta ja tutkielmassa tarkastellaan aihetta tarkemmin Latinalaisen Amerikan maiden osalta. Jos yhteys löytyy, halutaan lisäksi selvittää, onko korruption vaikutus ollut talouskasvua hidastavaa vai kiihdyttävää. Tutkielman teoreettisena viitekehyksenä toimii korruption talouskasvuvaikutuksesta esitetyt teoriat ja näkökulmat sekä talouskasvun teoria. Korruption ja talouskasvun välinen empiirinen tarkastelu on tehty regressioanalyysia käyttäen. Tutkielmassa käytettävä aineisto on paneeliaineisto seitsemästätoista Latinalaisen Amerikan maasta ja aikaväliksi on valittu 2002-2017. Käytettäviä muuttujia on yhteensä seitsemän ja niiden tiedot on kerätty Maailmanpankin, Kansainvälisen valuuttarahasto IMF:n sekä The Penn World Table -tietokannoista. Korruption muuttujana tutkielmassa on käytetty Maailmanpankin julkaisemaa Control of Corruption -indikaattoria. Tutkimusmenetelmänä on käytetty kiinteiden vaikutusten mallia, joka on yleinen paneeliaineistolle sopiva regressioanalyysin malli. Tutkielman tulokset osoittavat, että talouskasvun ja korruption väliltä löytyy yhteys Latinalaisessa Amerikassa. Yhden yksikön kasvu korruptiomuuttujassa johtaa noin 3 prosentin kasvuun reaalisen bruttokansantuotteen vuotuisessa kasvussa. Toisin sanoen, havaitun korruption väheneminen johtaa korkeampaan talouskasvuun Latinalaisessa Amerikassa ja tulos on tilastollisesti merkitsevä. Saadut tulokset kertovat enemmän korruption haitallisuudesta kuin sen mahdollisesta talouden tehottomia toimintoja sujuvoittavasta ominaisuudesta. Tulokset ovat myös johdonmukaisia suurimman osan muiden aihetta käsittelevien tutkimusten kanssa.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.040 | 0.005 |
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".