L’effet des prélèvements fiscaux et des transferts aux particuliers sur la pauvreté au Québec et au Canada
Notice bibliographique
Résumé
Dans cet article, nous estimons la contribution des principales sources de revenu (positives ou négatives, comme le revenu du marché, les transferts aux particuliers, les impôts, les taxes, etc.) à la réduction de la pauvreté au Québec et au Canada. Les contributions des différents éléments sont départagées grâce à un produit de la taille de chacun et de son efficacité relative par dollar dépensé. Cet exercice pose un problème important, puisque l’ordre selon lequel on classe les différentes composantes du revenu peut considérablement influencer la part de la réduction de la pauvreté attribuée à chacune. Comme il est généralement arbitraire de privilégier un ordre plutôt qu’un autre, nous utilisons une règle de partage qui attribue à chaque composante une part de la réduction totale indépendante de l’ordre choisi. Nous faisons également des tests de sensibilité pour mesurer la sensibilité des résultats obtenus aux choix, souvent critiquables, du seuil et de l’indice de pauvreté. Les résultats révèlent d’une part que les programmes sociaux les plus généreux (comme les pensions de retraite) ne sont pas toujours les plus efficaces en matière de réduction de la pauvreté par dollar dépensé, et d’autre part que les mesures fiscales les moins généreuses (comme les prestations provinciales pour enfants) peuvent être parmi les plus efficaces en matière de réduction de la pauvreté par dollar dépensé. Par ailleurs, on constate que, en comparaison avec le reste du Canada, le Québec a des programmes sociaux plus généreux et plus efficaces en termes de réduction de la pauvreté, mais que, en contrepartie, la fiscalité y est plus lourde et plus coûteuse.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».