MétaCan
Menu
Retour à la cohorte
Enregistrement W4392757101 · doi:10.1002/hec.4822

The optimal design of assisted reproductive technologies policies

2024· article· en· W4392757101 sur OpenAlexafffund
Marie‐Louise Leroux, Pierre Pestieau, Grégory Ponthière

Notice bibliographique

RevueHealth Economics · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Labor, and Family Dynamics
Établissements canadiensCenter for Interuniversity Research and Analysis on OrganizationsUniversité du Québec à Montréal
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésFecundityEconomicsUtilitarianismEgalitarianismFertilityWageIncentiveAssisted reproductive technologyWelfarePublic economicsMicroeconomicsLabour economicsDemographyBiologyPopulationInfertilityMarket economySociologyPolitics

Résumé

récupéré en direct d'OpenAlex

This paper studies the optimal fiscal treatment of assisted reproductive technologies (ART) in an economy where individuals differ in their reproductive capacity (or fecundity) and in their wage. We find that the optimal ART tax policy varies with the postulated social welfare criterion. Utilitarianism redistributes only between individuals with unequal fecundity and wages but not between parents and childless individuals. To the opposite, ex post egalitarianism (which gives absolute priority to the worst-off in realized terms) redistributes from individuals with children toward those without children, and from individuals with high fecundity toward those with low fecundity, so as to compensate for both the monetary cost of ART and the disutility from involuntary childlessness resulting from unsuccessful ART investments. Under asymmetric information and in order to solve for the incentive problem, utilitarianism recommends to either tax or subsidize ART investments of low-fecundity-low-productivity individuals at the margin, depending on the degree of complementarity between fecundity and ART in the fertility technology. On the opposite, ex post egalitarianism always recommends marginal taxation of ART.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,798
Score d'incertitude au seuil0,430

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,070
Tête enseignante GPT0,339
Écart entre enseignants0,269 · 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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetGender, Labor, and Family DynamicsTravaux en français237 207