Notice bibliographique
Résumé
Some policies drive economic growth, some act to redistribute income or wealth; however, it is rare to find policy instruments that do both. Investment in improving skills and education may fall into that category. New research from the OECD suggests that competition can also help governments to simultaneously achieve these two goals. While competition has long been known to drive economic growth, there is evidence that competition can also make an important contribution to reducing income and wealth inequality. Given the recent concerns about increased inequality across many countries, this relationship bears further exploration. The reason market power and inequality are related is simple. In the absence of competition, market power drives prices above costs; these higher prices increase everyone’s consumption expenditure and redistribute the extra money spent towards business owners and financial asset holders, who are overwhelmingly concentrated at the top of the income distribution. The dual effect is to increase the income of the upper decile while reducing consumption power and savings for the rest of the population. In the long-run, the accumulated money transfers from consumers to businesses is likely to help the richest accumulating wealth and raising their income, while making it more difficult for the poorest to build their savings or to reduce their dependence on credit. While estimating effects on long-term distributions of wealth and income requires extensive data and complex modelling, in this paper we attempt to calculate a rough measure of the short-run money transfer from poor to rich due to market power, for 12 OECD economies: Australia, Canada, France, Germany, Greece, Japan, Korea, Mexico, Portugal, Spain, United Kingdom and the United States. Our results indicate that, on average, for each dollar of monopoly profits, a total of USD 0.37 is transferred from the 90 percent poorest to the 10 percent richest.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».