MétaCan
Menu
Retour à la cohorte
Enregistrement W1608214913 · doi:10.7202/602105ar

Une évaluation des dépenses fiscales et subventions dans le domaine de la capitalisation des entreprises

2009· article· fr· W1608214913 sur OpenAlexaffvenueabout
Jean‐Marc Suret

Notice bibliographique

RevueL Actualité économique · 2009
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Depuis 1976, le gouvernement québécois a mis en place plusieurs programmes de subventions et de dépenses fiscales destinés à améliorer la capitalisation des entreprises : le Programme d’aide à la capitalisation, les Sociétés de développement de l’entreprise québécoise, le Fonds de solidarité des travailleurs du Québec et le volet « développement » du Régime d’épargne-actions du Québec. Nous proposons une analyse avantages-coûts de ces programmes. Le coût fiscal de ces programmes est estimé à 917,35 millions de $ lorsque les crédits sont accumulés au taux des obligations. La perte d’opportunité des investisseurs, qui est de l’ordre de 215 millions de $, constitue le coût social. Les programmes ont accru les fonds propres des entreprises de 569,8 millions de $. Pour le gouvernement, le coût par $ de capitalisation se situe en moyenne à 1,61 $. Il varie entre 1,13 et 5,85 $ en fonction du programme étudié. Si l’on tient également compte des coûts assumés par les investisseurs, on peut estimer le coût total par $ de capitalisation supplémentaire à 1,99 $ pour l’ensemble des programmes. Cette étude montre également que seulement 3 des entreprises financées dans le cadre de ces programmes ont été des succès (sur 270 cas étudiés), et que 50 % des titres financés ont perdu plus de 80 % de leur valeur initiale en décembre 1990. Ces résultats paraissent de nature à remettre en question l’intervention de l’État dans le domaine de la capitalisation des entreprises au moyen de dépenses fiscales.

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)0,006
score de la tête « metaresearch » (Gemma)0,016
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 enseignants0,610
Score d'incertitude au seuil0,785

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,062
Tête enseignante GPT0,329
Écart entre enseignants0,266 · 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

Citations3
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueL Actualité économiqueMême sujetSocial Sciences and GovernanceTravaux en français237 207