MétaCan
Menu
Retour à la cohorte
Enregistrement W1489476036 · doi:10.1111/j.1365-2966.2007.00429.x

The tale of the tails: Canadian income inequality in the 1980s and 1990s

2007· article· en· W1489476036 sur OpenAlexaffvenueabout
Marc Frenette, David A. Green, Kevin Milligan

Notice bibliographique

RevueCanadian Journal of Economics/Revue canadienne d économique · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensUniversity of British ColumbiaStatistics Canada
Organismes subventionnairesnon disponible
Mots-clésEconomicsEconomic inequalityIncome distributionIncome inequality metricsInequalityDistribution (mathematics)Gross incomeIncome sharesState income taxSurvey data collectionIncome taxDemographic economicsAdjusted gross incomeLabour economicsPublic economicsTax reform

Résumé

récupéré en direct d'OpenAlex

Abstract. We present new evidence on levels and trends in after‐tax income inequality in Canada between 1980 and 2000. We argue that existing data sources may miss changes in the tails of the income distribution, and that many of the changes in the income distribution have been in the tails. For this reason, we turn to an alternative source. In particular, we construct data on after‐tax and transfer income using Census files augmented with predicted taxes based on information available from administrative tax data. Using these data, we find that Canadian after‐tax inequality levels are substantially higher than has been previously recognized, primarily because income levels are lower at the bottom of the distribution than in commonly used survey data. We also find larger long‐term increases in after‐tax income inequality and far more variability over the economic cycle. This raises interesting questions about the role of the tax and transfer system in mitigating both trends and fluctuations in market income inequality.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,371

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,011
Études des sciences et des technologies0,0050,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,102
Tête enseignante GPT0,235
Écart entre enseignants0,132 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations69
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Economics/Revue canadienne d économiqueMême sujetIncome, Poverty, and InequalityTravaux en français237 207