Évaluation de l’impact du crédit d’impôt à l’investissement au Québec
Bibliographic record
Abstract
Cette étude a pour but d’évaluer si le crédit d’impôt à l’investissement (CII) qui a été introduit en 2008 a augmenté l’investissement des entreprises québécoises dans les biens visés par cette mesure, le matériel de fabrication et de transformation. L’analyse se fait selon deux méthodes : celle des doubles différences et celle de l’estimation de l’élasticité-prix de l’investissement. Nous avons distingué trois zones géographiques : la zone centrale, la zone intermédiaire et la zone éloignée. Le taux de crédit d’impôt à l’investissement est d’autant plus généreux qu’on s’éloigne de la zone centrale. L’introduction du CII a augmenté en moyenne de 22% les investissements en matériel de fabrication et de transformation, avec des pourcentages d’augmentation légèrement différents entre générations de premiers utilisateurs. L’impact le plus important a eu lieu la première année de son utilisation. Les entreprises de la zone intermédiaire affichent des augmentations plus importantes que les entreprises de la zone centrale pour les deux premières années suivant l’introduction du CII. Pour les entreprises de la zone éloignée et celles dont le siège social est situé hors du Québec, les estimations sont trop imprécises pour pouvoir se prononcer sur l’effet du CII. Pour certaines entreprises des zones centrale et intermédiaire, un effet d’entraînement significatif du CII sur d’autres investissements que le matériel de fabrication et de transformation est également visible. En particulier pour les entreprises hors Québec un effet croisé positif est visible alors qu’aucun effet direct ne l’était. Un effet positif de l’introduction du CII sur la productivité du travail est uniquement perceptible pour les trois premières générations d’utilisateurs du CII des entreprises de la zone centrale. Si nous confinons l’analyse aux observations avec un coût d’usage et un investissement en matériel de fabrication et de transformation dans le but d’examiner de combien les investissements croissent quand le coût d’usage du capital baisse, entre autres suite aux variations des paramètres du CII qui ont varié dans le temps et selon la taille et le lieu de l’investissement, nous obtenons une élasticité-prix de l’investissement pour le matériel de fabrication et de transformation de court terme aux alentours de 0, 30, mais trop imprécise pour être significativement différentes de zéro.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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; both teacher heads agree on what is shown here.
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".