Income Replacement in Retirement: Longitudinal Evidence from Income Tax Records
Notice bibliographique
Résumé
RÉSUMÉ Nous analysons un grand fichier de données longitudinales des déclarations de revenus pour les individus canadiens, en appliquant une procédure de détermination de la retraite, qui est basé sur le revenu d’emploi, afin de évaluer qui se sont retirés et comment ils réussissent à maintenir leurs revenus après la retraite. Cette approche méthodologique peut être d’interêt pour une application éventuelle dans d’autres pays qui ont des données appropriées. Nos principales conclusions sont les suivants. En premier, dans les deux ans qui suivent le départ en retraite, les ratios de remplacement du revenu après taxes atteignent en moyenne environ deux- tiers lorsqu’ils sont calculés sur tous les âges de départ en retraite. Deuxièmement, les ratios ont tendance à augmenter avec l’âge de la retraite. Troisièmement, les ratios augmentent avec les anneés de la retraite, du moins dans les premières années. Enfin, les ratios de remplacement du revenu sont les plus élevés pour le quartile des revenu les plus bas et diminuent généralement à mesure que le revenu augmente ; avec chaque quartile, les taux de remplacement augmentent davantage pour ceux qui ont pris leur retraite plus tard que pour ceux qui l’ont prise plus tôt.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».