Assessing the redistributive impact of higher education tuition fees reforms: the case of Québec
Notice bibliographique
Résumé
Abstract In this article, we analyse the redistributive impact of a recent reform of tuition fees in Québec. We adapt Duclos et al.’s (Citation2005) methodology to a generalized Lorenz framework. Many policy analysts argued that maintaining low higher education tuition fees is regressive. We take a look at the empirical validity of this argument using data from Statistics Canada's Survey of Labor and Income Dynamics. We show the importance of using data to validate this argument. The results obtained allow for the conclusion that this redistributive argument is empirically not verified for the province of Québec. Acknowledgements We thank Mark Taylor and an anonymous referee for their comments and Mathieu Audet for assistance with the data. We also thank the Regroupement des étudiantes et étudiants de maîtrise, de diplôme et de doctorat de l'Université de Sherbrooke (REMDUS) and the Fédération étudiante universitaire du Québec (FEUQ) for having asked the first author to analyse the question. Notes 1See Johannes et al. (Citation2006) for an example of this. This appears to be true even in the context of a developing country. 2See Johannes et al. (Citation2006) for an opposite result in the context of a developing country. 3Following King (Citation1983), assume that y be pre-reform real income assessed using pre-reform prices as reference prices. In this context y is a money-metric indicator of welfare: in King's terminology, it is also called ‘equivalent’ income. As noted by King, the concept of equivalent income function is also used by McKenzie (Citation1956), Samuelson (Citation1974) and Varian (Citation1980). 4By the envelope theorem, this is regardless of whether the agent changes his behaviour following the reform. This is because income here is a money-metric indictor of welfare and not nominal income. 5This assumption is consistent with the findings of Vermaeten et al. (Citation1994) who show that the overall tax incidence in Canada is proportional to income. 6It is, however, possible to assume that there is a subset of indices with high inequality aversion for which this reform will be deemed as regressive by all indices in this subset. See Makdissi and Mussard (Citation2008).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».