Longévité différentielle et redistribution : enjeux théoriques et empiriques
Bibliographic record
Abstract
Dans cet article, nous étudions l’impact des différences de longévité sur la conception des politiques publiques, en particulier celles liées au départ à la retraite. Nous montrons premièrement qu’alors même que l’espérance de vie a augmenté de manière très importante tout au long du siècle dernier, il subsiste encore de fortes disparités. Deuxièmement, nous étudions d’un point de vue normatif comment les différences de longévité sont généralement prises en compte dans les modèles de cycle de vie et montrons que certaines hypothèses peuvent avoir des implications fortes en terme de redistribution intragénérationnelle. Nous identifions au moins trois arguments en faveur d’une redistribution vers les agents à faible longévité : l’aversion à l’inégalité multipériodes, l’aversion au risque de mortalité et la compensation pour des caractéristiques dont les agents ne sont pas responsables. Nous étendons ensuite notre analyse de manière à tenir compte du fait que les individus puissent être en partie responsables de leur longévité. Finalement, nous lions ces résultats aux débats actuels sur la réforme des systèmes de retraite. Nous montrons qu’en général, parce que les pensions de retraite sont conditionnelles à la survie des bénéficiaires, les systèmes de retraite publics vont redistribuer des ressources des agents dont la durée de vie est courte vers ceux dont la durée de vie est longue. Nous fournissons des pistes de réformes qui viseraient à mieux prendre en compte ces différences de longévité et en particulier, celles relatives à la création d’une « rente longévité » telle que souhaitée par le Comité d’Amours et au développement de l’assurance autonomie, qu’elle soit privée ou publique.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.004 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
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".