MétaCan
Menu
Retour à la cohorte
Enregistrement W4403590454 · doi:10.3386/w33069

Retirement Incentives and Decisions across the Income Distribution: Evidence in Canada

2024· report· en· W4403590454 sur OpenAlexaboutno aff
Kevin Milligan, Tammy Schirle

Notice bibliographique

RevueNational Bureau of Economic Research · 2024
Typereport
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIncentiveDistribution (mathematics)EconomicsIncome distributionDemographic economicsLabour economicsMicroeconomicsInequalityMathematics

Résumé

récupéré en direct d'OpenAlex

We evaluate the retirement incentives embedded in Canada's retirement income system with attention to where individuals are located in the income distribution.We find that larger social security benefits are available to individuals with lower earnings in their work history because of the benefit income tests, but those from the top of the income distribution tend to enjoy longer lives over which they may receive benefits.Overall, we see greater Social Security Wealth among individuals from lower deciles.The implicit tax rates on continued work tend to be higher for workers from lower-earning deciles.Considering changes to actuarial adjustments associated with early pension take up, these implicit tax rates on work at older ages fell substantially after 2011.Our regression estimates confirm the importance of incentives on retirement behavior, with substantially larger effects for individuals in lower deciles.These effects are greater for women than men.In simulations, we show that changes to the actuarial adjustment had some impact on retirement rates by lowering the implicit tax on work.The overall redistributive effect of these induced retirement changes was fairly small, however, as the actuarial adjustments brought the system closer to actuarial fairness.

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)0,002
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 enseignants0,068
Score d'incertitude au seuil0,495

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,007
Études des sciences et des technologies0,0050,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,723
Tête enseignante GPT0,627
Écart entre enseignants0,095 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetRetirement, Disability, and EmploymentTravaux en français237 207