Approche expérimentale de l'incidence de la fiscalité sur l'offre de travail : une étude comparative des systèmes d'imposition
Bibliographic record
Abstract
Si la fiscalité est indispensable pour assurer le bon fonctionnement de l’État, elle peut toutefois faire peser un certain nombre de menaces sur les performances de l’économie et, dans une certaine mesure, décourager l’offre de travail des individus. L’enjeu de cet article est de savoir si l’incidence fiscale sur l’offre de travail et sur les rentrées fiscales est identique selon le système d’imposition en vigueur. Ainsi, un système progressif décourage-t-il davantage l’offre de travail qu’un système proportionnel ? Quel système de taxation permet à l’État de remplir au mieux son rôle redistributif ? Afin de répondre à ces questions, l’approche mobilisée est l’économie expérimentale. Trois traitements ont été réalisés. Dans un premier traitement, les participants doivent réaliser un effort réel sous un système d'imposition proportionnel. Dans un second traitement, le système d’imposition en vigueur est un système progressif. Enfin dans un troisième traitement, les participants sont confrontés successivement à plusieurs systèmes d’imposition. Ce dernier traitement permet d’étudier l’incidence de changement de système sur les décisions individuelles. Nos résultats expérimentaux montrent, sans aucune ambiguïté, que les effets désincitatifs sur l’offre de travail sont plus importants sous un système progressif que sous un système proportionnel. Enfin, un autre résultat intéressant de notre étude est que les individus ne sont pas uniquement influencés par leur propre système fiscal mais également par leurs expériences fiscales précédentes.
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 | 0.022 | 0.064 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.032 | 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".