MétaCan
Menu
Retour à la cohorte
Enregistrement W139784905 · doi:10.2202/1935-1704.1606

Status, Inequality and Intertemporal Choice

2010· article· en· W139784905 sur OpenAlexaff
Bianjun Xia

Notice bibliographique

RevueThe B E Journal of Theoretical Economics · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic theories and models
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésEconomicsConsumption (sociology)Pareto principleInequalityExternalityElasticity of substitutionIntertemporal choiceEconometricsDistortion (music)MicroeconomicsDistribution (mathematics)Production (economics)MathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

This paper develops an intertemporal model in which individuals care about consumption not only for its own sake, but also for the status it implies. By putting an additive status term into the utility function, I show that the level of inequality in the initial wealth distribution affects individuals’ saving and consumption behavior. The direction of the distortion in intertemporal choice relative to the standard model without a concern for status depends on the elasticity of intertemporal substitution in the utility from absolute consumption. In particular, I prove that, for conventional parameter values of the elasticity (e.g. CES parameter larger than one), people save less than what they do without the status concern but the magnitude of this decrease is reduced by the concern for future status. It is also possible that people save more than what they do without the status concern. I also analyze how changes in the initial wealth distribution affect saving. For example, when wealth is Pareto distributed, for a reasonable parameterization, the rich save more and the poor save less when society gets more unequal, which implies that inequality is self-enforcing in this economy. Finally, the resulting allocation is Pareto inefficient due to the externalities generated by the concern for status.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,697

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,238
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe B E Journal of Theoretical EconomicsMême sujetEconomic theories and modelsTravaux en français237 207