MétaCan
Menu
Retour à la cohorte
Enregistrement W1510379798

Inegalite et redistribution du revenu au Canada : 1976 a 2004

2007· preprint· fr· W1510379798 sur OpenAlexaboutno aff
Andrew Heisz

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2007
Typepreprint
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRedistribution (election)Political science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A l'aide des donnees de l'Enquete sur les finances des consommateurs menee de 1976 a 1997 et de l'Enquete sur la dynamique du travail et du revenu menee de 1993 a 2004, nous examinons l'evolution de l'inegalite du revenu familial, de la polarisation du revenu, du faible revenu relatif et de la redistribution du revenu familial par l'entremise du systeme d'imposition et de transfert. Nous concluons que l'inegalite du revenu familial apres impot a ete stable dans les annees 1980 mais qu'elle a augmente au cours de la periode de 1989 a 2004. La croissance de l'inegalite du revenu familial apres impot peut etre due a l'augmentation de l'inegalite du revenu familial du marche (avant impot et avant transfert) ou a une diminution de la redistribution du revenu par l'entremise d'un systeme d'imposition et de transfert. Nous concluons que l'augmentation de l'inegalite etait seulement associee a l'augmentation de l'inegalite du revenu familial du marche. Le niveau de redistribution etait au moins aussi eleve en 2004 qu'il l'etait dans les sommets des cycles precedents, mais il n'a pas suivi la croissance rapide de l'inegalite du revenu familial du marche des annees 1990. Nous presentons les statistiques relatives a l'inegalite du revenu, a la polarisation et au faible revenu selon plusieurs mesures bien connues et nous utilisons des methodes de preparation des donnees identiques a celles qui sont utilisees dans le cadre de l'Etude sur le revenu du Luxembourg afin de faciliter les comparaisons internationales.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,061
Score d'incertitude au seuil0,443

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,006
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,028
Tête enseignante GPT0,273
Écart entre enseignants0,245 · 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

Citations2
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetHousing, Finance, and NeoliberalismTravaux en français237 207