Notice bibliographique
Résumé
Inequality is on the rise in Canada and this state of affairs has provoked outrage and demands for redistribution at a time when governments at every level are searching for reliable long-term growth. This paper examines the links between income inequality and economic growth and whether there is a trade-off between redistributive policies, and economic growth, or whether income redistribution can enable faster growth. The authors survey the existing literature on the impact of inequality on economic growth, and then conduct an econometric analysis of the association between provincial economic growth in Canada and three different measures of income inequality, finding no statistically significant relationships. One measure of income redistribution, the difference between the market income Gini coefficient and the disposable (after-tax, after-transfer) income Gini is positively associated with provincial growth rates — but since the largest transfer programs in Canada are federal programs financed out of nation-wide taxes, it is unlikely that this association carries over to the national level. Much of the growth in income disparity has been driven by innovation that places a premium on highly trained workers. With that in mind, the Goldin-Katz model, used to explain the rising earnings differentials of highly skilled workers in the US, can be combined with the Aghion-Bolton model of capital market imperfections to develop a framework for examining the impact of education spending, and the taxes that finance it, on earnings inequality and economic growth. The authors then review evidence that raising marginal tax rates on high-income individuals would not raise additional tax revenues, but impose substantial costs on the economy, as would higher corporate income taxes. Punishing high earners is a self-defeating choice, although improvements to the social safety net would give more Canadians the chance to join their ranks.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».