L’évolution et la composition de la richesse des ménages Québécois
Bibliographic record
Abstract
Cette note de recherche examine l'évolution et la composition de la richesse des ménages au Québec, en comparaison avec l'Ontario et le Canada, en utilisant les données de l'Enquête sur la sécurité financière (ESF) pour les années 1999, 2005, 2012, 2016 et 2019. Les principaux points à retenir sont les suivants : 1. Évolution de la richesse - La richesse des ménages québécois était déjà inférieure à celle de l'Ontario en 1999, et cette disparité s'est accrue au fil du temps. - Cette croissance de l’écart des richesses n’est pas due à de simples différences de croissance dans le nombre de ménages, aux données utilisées, ou à un écart parallèle dans la croissance du revenu des ménages. 2. Richesse selon l’âge et l’éducation - L’écart de croissance de richesse entre le Québec et le Canada n’est pas attribuable à un seul ou même à quelques groupes d’éducation : l’écart de croissance est similaire pour tous les groupes. - Si l’âge est un facteur ayant un certain impact sur les niveaux de richesse, il ne semble pas s’agir d’un facteur central pour expliquer les différences de richesse entre le Québec et l’Ontario, ou encore le Canada. 3. Concentration de richesse - La part de la richesse détenue par les plus riches a légèrement diminué au Québec alors qu’elle est demeurée inchangée en Ontario et au Canada, de sorte que la faible croissance de la richesse chez les plus fortunés compte pour assez peu dans l’explication des trajectoires divergentes de la richesse. 4. Analyse comparative des portefeuilles - Le patrimoine immobilier est un facteur primordial pour les différences de richesse entre le Québec, l’Ontario et le Canada. - En 1999, l’immobilier représentait plus de la moitié de l’écart de richesse moyenne des ménages entre le Québec et l’Ontario. Cette proportion a augmenté à presque 80% en 2019. - L’écart de croissance de richesse entre les ménages québécois et ontariens (et canadiens) découle entièrement de l’immobilier. - La croissance de la richesse non-immobilière au Québec de 1999 à 2019 n’est pas en retard par rapport à l’Ontario et au Canada. Au contraire, elle est légèrement supérieure.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.009 | 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".