Traitement fiscal optimal des familles quand la fécondité est endogène
Bibliographic record
Abstract
Les effets et le choix optimal d’instruments de politique destinés aux familles (allocations pour enfants à charge, taxes sur les biens consommés spécifiquement par les enfants, etc.) sont analysés à l’aide d’un modèle économique où les ménages possèdent un choix en matière de fécondité. Quand la fécondité est un facteur endogène, nous obtenons des résultats remarquables si nous considérons simultanément les avantages pour enfants à charge et l’imposition du revenu et de la consommation. Entre autres, les différentes capacités des familles à élever des enfants et, par conséquent, toutes choses étant égales par ailleurs, les variations du nombre d’enfants, peuvent ne pas être pertinentes d’un point de vue fiscal si l’État peut effectuer des transferts forfaitaires (impôts/subventions) personnalisés aux familles. Plus surprenant encore, on peut montrer que, si l’État est dans l’impossibilité de procéder à des transferts forfaitaires personnalisés, mais qu’il est en mesure de distinguer les biens consommés exclusivement par les enfants de ceux qui sont propres aux adultes, il pourrait alors être optimal d’imposer selon le nombre d’enfants et de subventionner les biens propres aux enfants (c’est-à-dire d’aider financièrement les parents de manière à les inciter à dépenser davantage pour chaque enfant mis au monde, plutôt que de les amener à avoir plus d’enfants et à lésiner quand il s’agit de subvenir à leurs besoins).
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".