MétaCan
Menu
← Retour à la cohorte
Enregistrement W2516168949

Transmission intergenerationnelle du revenu : nouvelles donnees pour le Canada

2016· preprint· fr· W2516168949 sur OpenAlexaboutno aff
Wen‐Hao Chen, Yuri Ostrovsky, Patrizio Piraino

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2016
Typepreprint
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Dans le cadre des etudes comparatives de la mobilite intergenerationnelle des gains et du revenu, le Canada se classe generalement comme l'un des pays les plus mobiles parmi les economies avancees comme le Danemark, la Finlande et la Norvege. L'affirmation selon laquelle le Canada est une societe hautement mobile est fondee sur les estimations de l'elasticite intergenerationnelle du revenu dont font etat Corak et Heisz (1999). Corak et Heisz ont utilise les donnees d'une version anterieure de la base de donnees sur la mobilite intergenerationnelle du revenu (base de DMIR), qui fait le suivi du revenu des jeunes Canadiens uniquement jusqu'au debut de la trentaine. Des publications theoriques recentes proposent toutefois que la relation entre le revenu a vie des enfants et celui des parents ne peut pas etre estimee avec exactitude si l'on n?observe pas le revenu des enfants a la mi-carriere. C?est ce qu'on appelle le biais lie au cycle de vie. La presente etude se penche sur cette question en reexaminant l'importance de la mobilite intergenerationnelle des gains et du revenu au Canada a l'aide d'une version actualisee de la base de DMIR qui fait le suivi des enfants jusqu'à la mi-quarantaine avancee, ce qui permet d'observer le revenu a la mi-carriere

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)0,005
score de la tête « metaresearch » (Gemma)0,018
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 enseignants0,036
Score d'incertitude au seuil0,258

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,011
Études des sciences et des technologies0,0040,002
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,026
Tête enseignante GPT0,236
Écart entre enseignants0,210 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetEconomic Growth and Productivity→Travaux en français237 207→