Bibliographic record
Abstract
Cette étude analyse l’évolution de la théorie de l’optimum du second rang en économie publique. Elle soutient qu’une partie importante de l’économie publique normative moderne peut être interprétée comme une analyse du second rang. La théorie originale du second rang, telle que l’ont exposée Lipsey et Lancaster (1956), supposait l’analyse de politiques dans une économie où il n’y a qu’un seul consommateur et une distorsion fixe. De plus, elle cherchait particulièrement à savoir si la tarification au coût marginal, ou la politique à la pièce, peut être maintenue. Cette analyse a ensuite été étendue aux économies constituées de plusieurs ménages, aux cas où l’on observe de multiples distorsions, aux environnements dynamiques, pour finalement constituer la base de la révolution dans le domaine de la taxation optimale en économie publique. Toutefois, il est particulièrement important de souligner que, dans le sillage de l’analyse de l’impôt optimal et de la théorie de la dualité, la distorsion du second rang a été efficacement rendue endogène, et le problème général de la politique gouvernementale a été posé comme un problème de principal-agent. La méthode la plus courante consiste à supposer qu’il est impossible d’observer le comportement des ménages ainsi que certaines de leurs caractéristiques importantes. Suite à ces développements, la plupart des problèmes de politique publique peuvent être perçus comme une application particulière de l’analyse du second rang. Par exemple, le choix entre l’efficacité et l’équité (le problème de « l’impôt sur le revenu optimal ») d’une part et la limite en matière de redistribution d’autre part, peuvent être considérés comme des problèmes du second rang. Considérer les problèmes de politique comme des problèmes du second rang présente des caractéristiques intéressantes. Tout d’abord, de simples recommandations de politiques ne sont plus possibles. De plus, des politiques en apparence variées, comme les restrictions sur les quantités, les transferts en nature et le financement public de l’assurance sociale deviennent, dans certaines circonstances, des instruments de politiques efficaces. Les ouvrages prétendent aussi que les politiques du second rang sont habituellement incohérentes à travers le temps. Ainsi, l’optimum du second rang standard ne peut être atteint. Des politiques optimales avec cohérence intertemporelle peuvent également inclure des instruments de politique inhabituels qui, autrement, auraient été éliminés dans un cadre du second rang.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.002 | 0.013 |
| Scholarly communication | 0.010 | 0.013 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.019 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".