Analyse de la rentabilité économique des scénarios de réforme du RRQ proposés en 2016
Bibliographic record
Abstract
Nous utilisons des méthodes de simulation et un simulateur fiscal détaillé pour analyser les effets des plus récentes propositions de réforme du Régime de rentes du Québec (RRQ). Les deux propositions analysées sont celles mises de l’avant en juin 2016 par le gouvernement du Canada, qui a reçu l’appui d’une majorité de provinces, et par le gouvernement du Québec, qui à ce jour n’a pas appuyé la proposition soumise par le fédéral. Nous analysons les effets en termes de taux de rendement interne (TRI) pour 78 types d’individus; nous prenons en considération l’inégalité d’espérance de vie selon le niveau de scolarité, la variabilité des revenus de travail au fil de la carrière et les interactions avec la fiscalité et le système de revenu à la retraite au Québec – tels qu’ils existent et selon les modifications proposées. Nos résultats indiquent que les TRI des nouvelles cotisations sont comparables au taux de rendement d’autres produits financiers et qu’ils sont similaires, sous les deux réformes proposées, pour les individus gagnant plus de 25 000 $ en moyenne (en dollars de 2015), mais que la proposition du gouvernement fédéral génère des taux de remplacement du revenu plus élevés et est plus attrayante – en termes de TRI – pour les individus gagnant un revenu moyen de travail se situant au bas de la distribution. Cette dernière différence avec la proposition québécoise est due à la bonification proposée par le fédéral de sa prestation fiscale pour revenu de travail, qui vient contrer l’effet de la hausse des cotisations au RRQ.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 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 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".