Essays on economic inequality, income taxes, and intergenerational mobility
Notice bibliographique
Résumé
The first chapter provides the first consistent estimates of intergenerational earnings mobility in Chile, based on administrative records that link a child's and their parent's earnings from the formal private labour sector. We estimate that the intergenerational earnings elasticity is between 0.288 and 0.323, whereas the rank-rank slope is between 0.254 and 0.275. We find significant non-linearities in the intergenerational mobility measures, where intergenerational mobility is very high in the bottom 80\\% of the parents' distribution but with extremely high intergenerational persistence in the upper part of the earnings distribution. In addition, we find remarkable heterogeneity in intergenerational mobility at the regional level, where Antofagasta, a mining region, is the most upwardly-mobile region. Finally, we estimate significant differences across municipalities in the Metropolitan Region, where our estimates suggest that the place of residence makes a significant difference in intergenerational mobility for children of upper-class families, while it is less relatively important for children of lower- and middle-class families. \n \nThe second chapter proposes a new methodology to value retained earnings as income by transforming them into accrued capital gains and develops a parametric procedure to impute corporate retained earnings to households. We use this approach to estimate income inequality for Canada using household survey data, and aggregate retained earnings information from national accounts. We show that including retained earnings by transforming it into accrued capital gains increases income inequality in Canada and changes the trend in income inequality, exhibiting more consistency with the decline in capital income after the Great Recession. \n \n \nThe third chapter investigates consequences of top-distribution undercoverage on the Gini coefficient. It shows that not correcting for underreporting and nonresponse at the top does not necessarily result in an underestimated Gini coefficient. In addition, this paper proposes a Gini approximation based on the Atkinson approximation to correct for underreporting at the top. Under plausible assumptions, the approximation proposed for correcting underreporting at the top is near exact. To evaluate this methodology, this paper uses Chile and Canada as examples where we include undistributed business profits to measure income inequality.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».