MétaCan
Menu
Retour à la cohorte
Enregistrement W3121968882

Social Transfers, Earnings and Low-income Intensity Among Canadian Children, 1981-96: Highlighting Recent Development in Low-income Measurement

2000· preprint· en· W3121968882 sur OpenAlexaboutno aff
John Myles, Garnett Picot

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2000
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEarningsLow incomeEconomicsIndex (typography)Demographic economicsLabour economicsTransfer paymentOffset (computer science)Distribution (mathematics)EconometricsMathematicsAccounting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper, we revisit trends in low-income among Canadian children by taking advantage of recent developments in the measurement of low-income intensity. We focus in particular on the Sen-Shorrocks-Thon (SST) index and its elaboration by Osberg and Xu. Low-income intensity declined in the 1980s but rose in the 1990s. Declining earnings put upward pressure on low-income levels over much of the period. Higher transfers more than offset this pressure in the 1980s and continued to absorb a substantial share of the increase through 1993. In contrast, the rise in low-income intensity after 1993 reflected reductions in UI and social assistance benefits that were not offset by increased employment earnings, at least to 1996 the latest year used in this paper. A major aim of the paper is methodological. We contrast results using the SST index with results produced by the more familiar low-income rate, the usual measure for indexing low-income trends. The low-income rate is embedded in the SST index, but unlike the index, the rate incorporates only partial information on the distribution of low-income. Consequently, the low-income rate is generally unable to detect the changes we describe and this is true irrespective of the choice of low-income cut-off. Compared to the low-income intensity measure, the rate is also relatively insensitive to changes in transfer payments and employment earnings.

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 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)0,012
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
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 enseignants0,534
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,041
Tête enseignante GPT0,300
Écart entre enseignants0,259 · 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 tête enseignante, pas un consensus.

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

Citations4
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetIncome, Poverty, and InequalityTravaux en français237 207