MétaCan
Menu
Retour à la cohorte
Enregistrement W2172253503 · doi:10.1017/s1748499500000178

Income Inequality over the Later-Life Course: a Comparative Analysis of Seven OECD Countries

2006· preprint· en· W2172253503 sur OpenAlexaffabout
Robert L. Brown, Steven G. Prus

Notice bibliographique

RevueAnnals of Actuarial Science · 2006
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensCarleton UniversityUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésInequalityEconomic inequalityDemographic economicsEconomicsIncome distributionGovernment (linguistics)Life course approachOld Age SecurityIncome inequality metricsDevelopment economicsSociologyDemographyPopulationResearch methodologyPsychology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This paper examines income inequality over stages of the later-life course (age 45 and older) and systems which can be used to mitigate this inequality. Two hypotheses are tested: (1) levels of income inequality decline during old age because public benefits are more equally distributed than work income; and (2) because of the progressive nature of government benefits, countries with stronger public income security programmes are better able to reduce income inequalities during old age. The analysis is performed by comparing age groups within seven OECD countries (Canada, Germany, the Netherlands, Norway, Sweden, the United Kingdom, and the United States of America) using Luxembourg Income Study data from around 2000. Both hypotheses are supported. Several conclusions are drawn from the findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,505
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,006
Communication savante0,0000,001
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,112
Tête enseignante GPT0,429
Écart entre enseignants0,317 · 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 tête enseignante, pas un consensus.

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

Citations13
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnals of Actuarial ScienceMême sujetIncome, Poverty, and InequalityTravaux en français237 207