MétaCan
Menu
Retour à la cohorte
Enregistrement W6986141266

Offre de travail endogène et mobilité du capital dans un modèle d'équilibre général calculable birégional

2005· other· fr· W6986141266 sur OpenAlexaboutno aff

Notice bibliographique

RevueEspaceINRS (National Institute for Scientific Research (Canada)) · 2005
Typeother
Languefr
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMachine Learning in Bioinformatics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWageContext (archaeology)Compensation of employeesFrugality
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ce document présente les plus récents développements du modèle d’équilibre
\ngénéral du ministère des Finances du Québec, qui représentent en même temps
\ndes approches innovatrices dans le domaine de la modélisation. Les trois
\ninnovations présentées sont l’offre endogène de travail des ménages, la mobilité
\npartielle du capital, ainsi que l’approche des taux effectifs marginaux
\nd'imposition (TEMI) utilisée pour la modélisation de la fiscalité.
\nComme pour plusieurs modèles, l’offre de travail est endogénéisée en
\nincluant le loisir dans les fonctions d’utilité Stone-Geary des ménages. Étant
\ndonné que le modèle distingue autant de types de loisir qu’il y a de catégories
\nprofessionnelles de travail, il fallait éviter l’apparition d’élasticités-prix croisées
\nnon nulles des offres de travail. En d’autres mots, il s’agit d’éviter des
\nchangements de profession à la suite d’une variation des taux de salaire. Pour ce
\nfaire, nous avons élaboré une spécification surnommée « Coloc », selon laquelle
\nchaque ménage représentatif est décrit comme un groupe d’individus qui
\nmaximisent leur utilité indépendamment, tout en ayant les mêmes préférences
\nquant à la consommation de biens. Il en résulte un modèle où la demande de
\nconsommation de biens est la même que dans un SLD5 standard, tandis que
\nl’offre de travail de chaque catégorie d'un ménage donné est indépendante du
\ntaux de salaire des autres catégories.
\nL’utilisation des TEMI, appliquée à l’impôt sur le revenu personnel, est prise
\nen compte dans la détermination de l’offre de travail. Les taux marginaux
\nd’imposition représentent non seulement l’impôt sur le revenu personnel, mais
\naussi l’imposition implicite que constitue la réduction de certains transferts. Le
\nmodèle peut donc simuler l’effet sur l’incitation au travail de certains
\nprogrammes de transfert, comme l’aide sociale.
\nLes TEMI reflétant l’imposition des revenus du capital sont également utilisés
\npour mesurer l'écart créé par le régime d’imposition entre la rémunération que
\nreçoivent les détenteurs de capital et la valeur du produit marginal du capital.
\nL’introduction des TEMI est intéressante lorsque le capital n’est pas fixe,
\nmais, au contraire, mobile entre ses utilisations concurrentes. À long terme, la
\nplupart des MEG supposent que le capital est parfaitement mobile. Nous avons
\nplutôt choisi de le rendre partiellement mobile entre les industries et les régions
\nafin de mieux refléter la réalité à court et à moyen terme, en imposant une borne supérieure à la quantité de capital qui peut quitter une industrie donnée
\ndans une région donnée. De plus, nous avons introduit un certain degré de
\nmobilité internationale du capital, sous la forme d’une fonction à élasticité-prix
\nconstante.
\nLe comportement du modèle à la suite de ces nouveaux développements a
\nété testé par plusieurs simulations. Les résultats des simulations montrent que le
\ncomportement du modèle est conforme aux anticipations théoriques, ce qui
\nconfirme la validité des approches utilisées.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,702
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,283
Écart entre enseignants0,263 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspaceINRS (National Institute for Scientific Research (Canada))Même sujetMachine Learning in BioinformaticsTravaux en français237 207