MétaCan
Menu
Retour à la cohorte
Enregistrement W3124438543

Replacing Family Income During the Retirement Years: How Are Canadians Doing?

2010· preprint· en· W3124438543 sur OpenAlexaboutno aff
Sebastien Larochelle-Côté, John Myles, Garnett Picot

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2010
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEarningsDemographic economicsPopulationEconomicsPensionLabour economicsDemographyHealth and Retirement StudySociology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper examines the extent to which family income during working years is replaced during the retirement years. It does so by tracking cohorts as they age from their mid-50s to their late 70s, using a taxation-based longitudinal data source that covers 26 years from 1982 to 2007. Earlier work by the same authors examined this question with respect to the 50% of the population with strong labour force attachment during their mid-50s. This paper extends that work to include almost all Canadians (80% to 85% of the population). The adult-equivalent-adjusted family income available to the median Canadian during his or her late 70s is about 80% of that observed when the same person was in his or her mid-50s (a replacement rate of 0.8). Replacement rates in retirement are negatively correlated with income earned around age 55. Median replacement rates are 1.1 among individuals in the bottom income quintile, 0.75 in the middle quintile, and 0.7 in the top quintile. In retirement, public pensions and other transfers more than replace earnings and other income of bottom quintile individuals. However, some individuals have very low replacement rates. For example, 20% of individuals in the middle income quintile had replacement rates below 0.6. More recent cohorts had higher family incomes in retirement than did earlier cohorts as a result of higher earnings and private-pension income.

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)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,031
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,009
Études des sciences et des technologies0,0070,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,108
Tête enseignante GPT0,388
Écart entre enseignants0,280 · 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'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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetRetirement, Disability, and EmploymentTravaux en français237 207