MétaCan
Menu
Retour à la cohorte
Enregistrement W4281920393 · doi:10.1093/restud/rdac031

Optimal Fiscal Policy in a Model with Uninsurable Idiosyncratic Income Risk

2022· article· en· W4281920393 sur OpenAlexafffund
Sebastian Dyrda, Marcelo Pedroni

Notice bibliographique

RevueThe Review of Economic Studies · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensUniversity of Toronto
Organismes subventionnairesGovernment of OntarioUniversity of TorontoUniversity of Minnesota
Mots-clésEconomicsRedistribution (election)WelfareLabour economicsFiscal policyRedistribution of income and wealthDebtCapital incomeIncome taxLabour supplyIncomplete marketsMonetary economicsUnemploymentInternational taxationMacroeconomicsMicroeconomicsTax reformPublic economics

Résumé

récupéré en direct d'OpenAlex

Abstract We study optimal fiscal policy in a standard incomplete-markets model with uninsurable idiosyncratic income risk, where a Ramsey planner chooses time-varying paths of proportional capital and labour income taxes, lump-sum transfers (or taxes), and government debt. We find that (1) short-run capital income taxes are effective in providing redistribution since the tax base is relatively unequal and inelastic; (2) an increasing pattern of labour income taxes over time mitigates intertemporal distortions from capital income taxes; (3) the optimal policy increases overall transfers, calibrated initially to the US welfare system, by roughly $50\%$; (4) two-thirds of the welfare gains come from redistribution and the remaining third come mostly from insurance; and (5) redistribution also leads to a more efficient allocation of labour via wealth effects on labour supply—lower productivity households can afford to work relatively less.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,236
Score d'incertitude au seuil0,719

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,044
Tête enseignante GPT0,273
Écart entre enseignants0,229 · 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.

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

Citations61
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Review of Economic StudiesMême sujetFiscal Policy and Economic GrowthTravaux en français237 207