MétaCan
Menu
Retour à la cohorte
Enregistrement W4406608056 · doi:10.3138/cpp.2024-016

Income Inequality in Canada from 1982 to 2021: Evidence from Distributional National Accounts

2025· article· fr· W4406608056 sur OpenAlexafffundvenueabout
Silas Xuereb, Matthew Fisher-Post, François Delorme, Camille Lajoie

Notice bibliographique

RevueCanadian Public Policy · 2025
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensUniversity of TorontoUniversité de Sherbrooke
Organismes subventionnairesUniversité de Sherbrooke
Mots-clésInequalityEconomic inequalityNational accountsEconomicsIncome inequality metricsDevelopment economicsDemographic economicsGeographyMacroeconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

Dans l'article, nous estimons la distribution de l'ensemble du revenu national net au Canada de 1982 à 2021. Nous appliquons la méthodologie de décomposition des comptes nationaux pour tabuler les données de la Banque de données administratives longitudinales, en combinaison avec les comptes nationaux et des données d'enquête. Nos résultats descriptifs contribuent à une meilleure compréhension de l'inégalité des revenus au Canada au cours des 40 dernières années. Nous notons que les plus importantes parts du revenu publiées par Statistique Canada tendent à être sous-estimées comparativement aux plus importantes parts du revenu calculées par décomposition des comptes nationaux, parce que cette dernière méthode tient compte des personnes qui ne produisent pas de déclaration des revenus, ainsi que des revenus du capital non répartis par les entreprises. Comme l'ont noté de précédents travaux de recherche, l'inégalité des revenus au Canada a augmenté de façon significative de 1982 jusqu'au milieu des années 2000. Même si le revenu du travail a mené à une croissance initiale dans les plus importantes parts du revenu, c'est le revenu du capital qui a le plus contribué à cette croissance vers la fin de la période. Les plus importantes parts, selon les données d'imposition, ont été particulièrement sous-estimées au cours de la période, puisque les bénéfices non répartis avaient atteint un sommet. Depuis le milieu des années 2000, les plus importantes parts ont légèrement diminué et la part du revenu du 50 % inférieur a augmenté, sans toutefois atteindre de nouveau les niveaux observés au début des années 1980. Au cours de la pandémie, l'inégalité de revenus après impôt a diminué en raison de l'importance des programmes de transfert temporaires mis en place. Cependant, l'inégalité du revenu avant impôt a augmenté en 2020, et encore plus en 2021, lorsque de nouveaux records ont été atteints en matière de bénéfices des entreprises.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,024
Score d'incertitude au seuil0,173

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,016
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,050
Tête enseignante GPT0,334
Écart entre enseignants0,284 · 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

Citations0
Publié2025
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetIncome, Poverty, and InequalityTravaux en français237 207