MétaCan
Menu
Retour à la cohorte
Enregistrement W2907882505

Concurrence fiscale et biens publics

2018· article· en· W2907882505 sur OpenAlexaboutno aff
Michel Poitevin

Notice bibliographique

RevueCIRANO Project Reports · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceConcurrencePublicsHumanitiesPhilosophyLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Depuis quelques décennies, l’ouverture des économies et la mondialisation qui en a résulté ont modifié l’environnement dans lequel les gouvernements œuvrent. Le capital et la main d’œuvre sont beaucoup plus mobiles qu’avant et cette mobilité affecte la capacité des gouvernements à taxer les revenus de ces facteurs de production. Leur capacité à fournir des biens publics et à redistribuer la richesse est donc compromise. Les gouvernements en concurrence au niveau de la fiscalité doivent en tenir compte dans l’établissement de leurs politiques fiscales. Le présent rapport fait état de la littérature tant théorique qu’empirique sur la concurrence fiscale en portant une attention particulière aux bien publics. Deux propositions émergent de cette étude. D’abord, il serait intéressant de considérer, à l’instar de la Suède, une taxation différente des revenus de travail et ceux du capital. Comme ce dernier est généralement plus mobile, il devrait être moins taxé. Ceci limiterait les effets de la concurrence fiscale et également de l’évasion fiscale. Ensuite, il serait important, pour le cas du Québec, d’estimer les estimés de migration de différents types de travailleurs afin de quantifier les effets de la concurrence fiscale. Ceci permettrait entre autres de faire une évaluation de programmes ciblés pour attirer des travailleurs étrangers qualifiés.

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)0,008
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0040,010
Communication savante0,0090,008
Science ouverte0,0010,005
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,068
Tête enseignante GPT0,279
Écart entre enseignants0,211 · 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'étudeThéorique ou conceptuel
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCIRANO Project ReportsMême sujetFiscal Policy and Economic GrowthTravaux en français237 207