MétaCan
Menu
Retour à la cohorte
Enregistrement W4414540431 · doi:10.3138/cpp.2024-058

Tax Incentives and Older Workers: Evidence from Quebec's Tax Credit for Career Extension

2025· article· en· W4414540431 sur OpenAlexaffvenueabout
Guy Lacroix, Pierre‐Carl Michaud

Notice bibliographique

RevueCanadian Public Policy · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensHEC MontréalUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésEarningsTax creditIncentiveCredibilityIdentification (biology)Longitudinal dataLimitingLiabilityEmpirical evidenceVariance (accounting)

Résumé

récupéré en direct d'OpenAlex

We present empirical evidence on the effectiveness of a tax policy designed to boost employment among older workers in Quebec, Canada. To evaluate its impact on employment and earnings, we draw on multiple data sources and use a range of identification strategies. We begin with a difference-in-differences approach comparing Quebec and Ontario but find no robust effect on employment. Moreover, the common trend assumption fails to hold for most age groups, limiting the credibility of this strategy. To address this, we use Longitudinal and International Study of Adults data to implement a staggered adoption design, leveraging variation across birth cohorts within Quebec. This analysis also shows no impact on labour force transitions, although we detect a modest increase in earnings for women. We further use an alternative identification strategy using the Longitudinal Administrative Databank, exploiting variation in treatment intensity over time within Quebec. Consistent with prior findings, we observe no significant effect on labour force transitions but again identify a small positive effect on women's earnings and a reduction in net tax liability among affected workers. Taken together, our results suggest that the tax measure neither effectively increases employment among older workers nor represents a cost-efficient approach to raising public revenues.

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)0,003
score de la tête « metaresearch » (Gemma)0,018
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 enseignants0,033
Score d'incertitude au seuil0,238

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,174
Tête enseignante GPT0,403
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 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'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetRetirement, Disability, and EmploymentTravaux en français237 207