A public micro pension programme in Brazil: Heterogeneity among states\n and setting up of benefit age adjustment
Notice bibliographique
Résumé
Brazil is the 5th largest country in the world, despite of having a ``High\nHuman Development'' it is the 9th most unequal country. The existing Brazilian\nmicro pension programme is one of the safety nets for poor people. To become\neligible for this benefit, each person must have an income that is less than a\nquarter of the Brazilian minimum monthly wage and be either over 65 or\nconsidered disabled. That minimum income corresponds to approximately $2$\ndollars per day. This paper analyses quantitatively some aspects of this\nprogramme in the Public Pension System of Brazil. We look for the impact of\nsome particular economic variables on the number of people receiving the\nbenefit, and seek if that impact significantly differs among the 27 Brazilian\nFederal Units. We search for heterogeneity. We perform regression and spatial\ncluster analysis for detection of geographical grouping. We use a database that\nincludes the entire population that receives the benefit. Afterwards, we\ncalculate the amount that the system spends with the beneficiaries, estimate\nvalues \\textit{per capita} and the weight of each UF, searching for\nheterogeneity reflected on the amount spent \\textit{per capita}. In this latter\ncalculation we use a more comprehensive database, by individual, that includes\nall people that started receiving a benefit under the programme in the period\nfrom 2nd of January 2018 to 6th of April 2018. We compute the expected\ndiscounted benefit and confirm a high heterogeneity among UF's as well as\ngender. We propose achieving a more equitable system by introducing `age\nadjusting factors' to change the benefit age.\n
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».