MétaCan
Menu
Retour à la cohorte
Enregistrement W2168181082

Employer Pension Plan Inequality in Canada

2010· preprint· en· W2168181082 sur OpenAlexafffundabout
Margaret Denton, Jennifer Plenderleith

Notice bibliographique

RevueEconstor (Econstor) · 2010
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensMcMaster University
Organismes subventionnairesMcMaster University
Mots-clésResidenceDisadvantageEducational attainmentImmigrationPensionDemographic economicsInequalityPosition (finance)Value (mathematics)GeographyEconomicsLabour economicsEconomic growthPolitical scienceFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The purpose of this research paper is to contribute to knowledge regarding employer pension plan (EPP) inequality in Canada. Information on EPP coverage and value is analyzed using the 1999 and 2005 Surveys of Financial Security. The results indicate that women, persons who may live alone, landed immigrants, and language minorities are at a disadvantage in their EPP coverage and accrued value. In addition, age, educational attainment, occupation, industry of employment, union membership, total personal income, province, and size of urban residence figure importantly in EPP coverage. Furthermore, age, educational attainment, industry of employment, total personal income, province and size of urban residence are all-important determinants of the termination value of EPPs. To identify inequalities in EPP coverage among the sub-populations, the researchers use multivariate analysis. This allows an identification of inequalities that are not a direct result of differences in age, gender, level of education, location, or position in the labour market. Findings indicate that differences in EPP coverage for women, persons who may live alone, landed immigrants and language minorities are primarily due to differences in these other characteristics. However, the lower EPP value witnessed by these subpopulations cannot be explained by individual or labour market characteristics.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,071
Score d'incertitude au seuil0,517

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,008
Études des sciences et des technologies0,0050,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,133
Tête enseignante GPT0,361
Écart entre enseignants0,228 · 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

Citations0
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetRetirement, Disability, and EmploymentTravaux en français237 207