MétaCan
Menu
Retour à la cohorte
Enregistrement W1585405044

Top Incomes in Sweden over the Twentieth Century

2005· article· en· W1585405044 sur OpenAlexaboutno aff
Jesper Roine, Daniel Waldenström

Notice bibliographique

RevueEconstor (Econstor) · 2005
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIncome sharesEconomicsEarningsLabour economicsWage shareWageCapital (architecture)Welfare stateEconomic inequalityWelfareDemographic economicsInequalityMarket economyGeographyFinanceEfficiency wage
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Preliminary version, please do not quote without checking with the authors. Comments are most welcome. This paper presents homogenous series of top income shares in Sweden from 1903 to 2003 using individual tax returns data. We find that Swedish top incomes have developed more similarly to the US, Canada and the UK than to other continental European countries when capital gains are included. The top income shares are U-shaped over time, falling steadily un-til around 1980 when they start increasing again. Around 2000 they reach levels similar to those found around 1950, before the expansion of the Swedish welfare state. However, unlike the Anglo-Saxon countries, where the recent increases were mainly driven by increased wage earnings inequality, Swedish top income shares have risen almost exclusively due to capital gains, a finding consistent with relatively high marginal wage taxes and internationally high price increases in financial and real estate markets since 1980. When excluding capital gains the increase in top income shares since 1980 almost disappears and the Swedish experience looks more like that of continental Europe. Furthermore, we also find that the largest decrease

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)0,001
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 enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,011
Tête enseignante GPT0,230
Écart entre enseignants0,219 · 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

Citations27
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207