MétaCan
Menu
Back to cohort
Record W4406608056 · doi:10.3138/cpp.2024-016

Income Inequality in Canada from 1982 to 2021: Evidence from Distributional National Accounts

2025· article· fr· W4406608056 on OpenAlexafffundvenueabout
Silas Xuereb, Matthew Fisher-Post, François Delorme, Camille Lajoie

Bibliographic record

VenueCanadian Public Policy · 2025
Typearticle
Languagefr
FieldSocial Sciences
TopicIncome, Poverty, and Inequality
Canadian institutionsUniversity of TorontoUniversité de Sherbrooke
FundersUniversité de Sherbrooke
KeywordsInequalityEconomic inequalityNational accountsEconomicsIncome inequality metricsDevelopment economicsDemographic economicsGeographyMacroeconomicsMathematics

Abstract

fetched live from OpenAlex

Dans l'article, nous estimons la distribution de l'ensemble du revenu national net au Canada de 1982 à 2021. Nous appliquons la méthodologie de décomposition des comptes nationaux pour tabuler les données de la Banque de données administratives longitudinales, en combinaison avec les comptes nationaux et des données d'enquête. Nos résultats descriptifs contribuent à une meilleure compréhension de l'inégalité des revenus au Canada au cours des 40 dernières années. Nous notons que les plus importantes parts du revenu publiées par Statistique Canada tendent à être sous-estimées comparativement aux plus importantes parts du revenu calculées par décomposition des comptes nationaux, parce que cette dernière méthode tient compte des personnes qui ne produisent pas de déclaration des revenus, ainsi que des revenus du capital non répartis par les entreprises. Comme l'ont noté de précédents travaux de recherche, l'inégalité des revenus au Canada a augmenté de façon significative de 1982 jusqu'au milieu des années 2000. Même si le revenu du travail a mené à une croissance initiale dans les plus importantes parts du revenu, c'est le revenu du capital qui a le plus contribué à cette croissance vers la fin de la période. Les plus importantes parts, selon les données d'imposition, ont été particulièrement sous-estimées au cours de la période, puisque les bénéfices non répartis avaient atteint un sommet. Depuis le milieu des années 2000, les plus importantes parts ont légèrement diminué et la part du revenu du 50 % inférieur a augmenté, sans toutefois atteindre de nouveau les niveaux observés au début des années 1980. Au cours de la pandémie, l'inégalité de revenus après impôt a diminué en raison de l'importance des programmes de transfert temporaires mis en place. Cependant, l'inégalité du revenu avant impôt a augmenté en 2020, et encore plus en 2021, lorsque de nouveaux records ont été atteints en matière de bénéfices des entreprises.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.008
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.024
Threshold uncertainty score0.173

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.008
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0050.016
Science and technology studies0.0020.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0030.000

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.

Opus teacher head0.050
GPT teacher head0.334
Teacher spread0.284 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2025
Admission routes4
Has abstractyes

Explore more

Same venueCanadian Public PolicySame topicIncome, Poverty, and InequalityFrench-language works237,207