MétaCan
Menu
Retour à la cohorte
Enregistrement W2772340637 · doi:10.3982/qe1851

Permanent‐income inequality

2022· preprint· en· W2772340637 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueQuantitative Economics · 2022
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensUniversity of British ColumbiaQueen's University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésEconomicsPermanent income hypothesisHuman capitalMarket liquidityInequalityConsumption (sociology)Income sharesEconomic inequalityDistribution (mathematics)EconometricsDiscountingIncome distributionLabour economicsWealth elasticity of demandIncome inequality metricsAutonomous consumptionNational wealthMonetary economicsMacroeconomicsFinanceDebt

Résumé

récupéré en direct d'OpenAlex

Through certainty equivalent consumption (CE) measures, we show that dispersion of current earnings, expenditures, and net worth overstate welfare inequality. This is largely due to the unaccounted value of future earnings, which we call human wealth. The latter mitigates permanent‐income inequality, though its influence is diminished by the growing importance of assets in lifetime wealth. Average expenditures and CE inequality roughly doubled between 1983 and 2016 and, to weigh these offsetting forces, we decompose aggregate welfare changes into contributions from the level and dispersion of consumption, as well as uncertainty and demographic composition. Rising inequality has offset about 1/4 of the welfare gains from higher consumption, with most of the losses accruing after 2000.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,295
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,293
Écart entre enseignants0,239 · 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