Policy Forum : La concentration réelle des gains en capital au Canada — Une analyse longitudinale
Bibliographic record
Abstract
Il est généralement cru que le traitement préférentiel accordé aux gains en capital aux fins de l'impôt des particuliers bénéficie surtout aux contribuables à revenus élevés. Or, puisque les statistiques fiscales traditionnelles incluent les gains en capital dans le revenu total des particuliers, certains d'entre eux voient leur revenu annuel artificiellement gonflé par la réalisation ponctuelle d'un gain en capital. Pour y parvenir, la banque de données administratives longitudinales de Statistique Canada est utilisée pour mieux identifier qui bénéficie réellement du traitement préférentiel des gains en capital au Canada et pour déterminer leur fréquence de réalisation. Plus précisément, l'analyse mesure le déplacement des contribuables entre cinq catégories de revenu selon la prise en compte ou non de leurs gains en capital dans leur revenu total. Si les contribuables plus fortunés bénéficient effectivement de façon disproportionnée du traitement préférentiel accordé aux gains en capital, l'exclusion de ceux-ci du revenu total atténue significativement cette disproportion. Les contribuables aux revenus plus modestes bénéficient plus qu'on ne le croirait du traitement préférentiel des gains en capital, surtout lorsqu'ils sont âgés de 55 ans ou plus. D'autre part, les contribuables aux revenus plus élevés réalisent des gains en capital plus fréquemment que ceux aux revenus plus modestes. Cela dit, dès que les contribuables déclarent des gains en capital, peu importe leur tranche de revenus totaux, ils ont tendance à le faire relativement fréquemment. Les contribuables déclarant des gains en capital avec régularité demeurent malgré tout une minorité, bien qu'ils réalisent une part importante de la valeur totale des gains en capital.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.010 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".