Effets de pairs et fraude sociale : une analyse économétrique sur données françaises
Bibliographic record
Abstract
Nous estimons les effets de pairs et le multiplicateur social dans la décision des entreprises de s'adonner à la fraude sociale (cotisations de sécurité sociale non déclarées et dissimulation de salariés). Les données proviennent d'une enquête menée pour 2009 par l'Agence centrale des organismes de sécurité sociale (Acoss) sur 4 241 entreprises du commerce de détail non-alimentaire en France. À partir du plan d'échantillonnage de l'enquête, les inspecteurs de l'Acoss ont contrôlé de manière aléatoire des commerces à travers toutes les régions du territoire en proportion de l'activité dans chacune des régions. L'approche théorique se fonde sur un modèle linéaire-en-moyenne. Nous supposons en outre que les entreprises interagissent en groupe dans leur décision de pratiquer la fraude sociale. Plusieurs définitions de groupe (selon l'espace géographique et le type d'entreprise) sont considérées. Deux approches économétriques sont analysées : la méthode du maximum de vraisemblance conditionnel de Lee (2007) et l'approche de variables instrumentales (VI) avec effets aléatoires fondée sur des restrictions d'exclusion. Dans nos données, l'approche de Lee, qui permet d'identifier les effets de pairs en imposant relativement peu d'hypothèses, conduit à des estimateurs qui se révèlent être peu fiables. La raison de base, confirmée par des simulations Monte Carlo, vient du fait que nous n'observons qu'une faible proportion des entreprises dans chacun des groupes échantillonnés (problème d'observabilité partielle). De plus, la correction proposée par Davezies et al. (2009) n'aide pas à améliorer les estimations. En revanche, l'approche de VI est robuste à l'observabilité partielle des groupes sociaux et peut donc être utilisée dans le cas de nos données. Nous trouvons ainsi un multiplicateur social entre 2,29 et 3,28 (selon la définition des groupes) pour la proportion d'employés dissimulés par les exploitants et entre 2,4 et 2,87 pour la proportion des établissements frauduleux.
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 | 0.026 | 0.082 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.004 | 0.009 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".