Les effets de l?education sur le comportement d?epargne-retraite des Canadiens
Notice bibliographique
Résumé
La présente étude évalue la mesure dans laquelle l’éducation influence la façon dont les Canadiens économisent et se constituent un patrimoine pour leur retraite. À cet égard, elle apporte trois contributions. Premièrement, une analyse descriptive des différences sur les plans de l’épargne et de la valeur des logements pour l’ensemble des particuliers, selon le niveau de scolarité qu’ils ont atteint, est présentée. Cette analyse s’appuie sur de nouveaux ensembles de données qui permettent de coupler des répondants des recensements de 1991 et de 2006 à des dossiers fiscaux administratifs. Ces données fournissent une occasion unique d’observer conjointement la scolarité, l’épargne, la valeur des logements ainsi qu’une multitude d’autres facteurs pertinents. Deuxièmement, le lien de cause à effet qu’a l’achèvement des études secondaires sur le taux d’épargne dans des comptes d’épargne comportant des avantages fiscaux est estimé à l’aide des réformes de la scolarité obligatoire qui ont servi à cerner ce lien de cause à effet. Troisièmement, selon une récente étude de Messacar (2015), il s’avère également que la scolarité influence la façon dont les particuliers modifient leur taux d’épargne en vue de l’optimiser, à la suite d’un changement automatique dans la constitution du patrimoine retraite. Les répercussions des résultats de l’étude à l’égard du paradigme de l’incitation au changement en économie comportementale sont également abordées.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».