Pauvreté, risques et inégalités:trois essais inspirés de l'économie Haïtienne
Bibliographic record
Abstract
La thèse est composée de trois essais.Le premier est consacré au développement de méthodes statistiques adaptées à des situations où on ne peut pas supposer a priori que l’on dispose d’un échantillon représentatif, mais où on dispose par contre de plusieurs sources de données relatives à cette même population. La méthode dite de “capture-recapture”, introduite initialement pour faire du dénombrement, est reprise et étendue pour proposer une procédure de “régression” (économétrique) qui combine les observations de plusieurs échantillons indépendants pour corriger les possibles biais induits par leur non-représentativité. Dans le cadre d’un modèle reliant deux variables binaires, on construit les estimateurs statistiques des probabilités conditionnelles et leur variance est calculée. Ces estimateurs sont asymptotiquement sans biais mais leur variance est supérieure à celle d’un estimateur « naïf », c’est à dire qui ne prend pas en compte les possibles biais de sélection. Un test statistique est proposé pour décider, sur la base de l’importance estimée du biais d’estimation, de l’opportunité d’utiliser ou non notre méthode de redressement pour estimer ce modèle binaire.Le second essai propose un modèle théorique afin d’élaborer des stratégies de minimisation des pertes résultant des aléas climatiques, pour les petites exploitations agricoles. Plus précisément, il s’agit d’évaluer l’opportunité de recourir à un arrosage manuel, à la survenue d’un épisode de sécheresse, sachant que la récolte n’est jamais à l’abri d’un épisode d’inondation destructeur. On établit que l’arrosage manuel est rentable et augmente le revenu espéré si : a) l’intensité des sécheresses est relativement élevée mais le risque d’inondation est peu important ; b) la corrélation entre risque de sécheresse et risque d’inondation est faible ; c) les éventuelles compensations mises en place par l’autorité publique en cas d’inondation tiennent compte de l’effort spécifique des exploitants. La garantie d’une aide financière (exogène) et une couverture d’assurance endogène en cas d’inondation ont aussi toutes deux un impact positif sur l’effort d’arrosage. Deux résultats importants sont établis : 1) Il n’est pas possible de trouver un niveau d’effort θ et une police d’assurance inondation A tels que le couple (θ,A) qui maximise l’utilité espérée de l’exploitant soit associé à une situation sans risque pour l’exploitant ; 2). Dans certaines situations, il est impossible d’avoir une assurance inondation rentable si l’exploitant ne fait jamais l’effort d’arroser - et inversement, il n’est jamais rentable de faire l’effort d’arroser, si on ne dispose pas d’assurance inondation.Le troisième essai s’intéresse à l’impact des inégalités de revenu, sur les marges pratiquées par les entreprises, et donc le niveau des prix – et in fine l’accès aux biens et services pour les ménages les plus pauvres. On propose d’abord un modèle de demande unitaire, que l’on étend légèrement pour incorporer des effets revenus. Dans ce modèle simple, quand la distribution de revenu est une distribution de Pareto, la marge réalisée par un monopole peut être calculée par une formule explicite. Elle augmente avec les inégalités et tend au contraire vers zéro quand on s’approche de la distribution égalitaire. Nous offrons ensuite un résultat technique permettant d’établir la Schur-concavité d’une fonction implicite. Dans un modèle plus général, où les individus ont tous les même préférences et diffèrent seulement par leur revenu, nous montrons alors que la marge relative réalisée à l’équilibre par un monopole qui maximise ses profits constitue un index de mesure des inégalités de revenus de cette population. Il existe donc des circonstances assez larges où les inégalités sont source d’inefficacités sur les marchés. Dans ce cas, toute redistribution qui amène une baisse des inégalités est génératrice d’efficacité – indépendamment de toute considération normative.
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 | 0.012 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 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".