La fiscalité municipale et le développement immobilier au Québec
Bibliographic record
Abstract
Ce rapport s’intéresse au lien entre le développement immobilier et la fiscalité municipale au Québec. Il mesure la corrélation entre la croissance immobilière ou démographique et la variation des taux de taxation des municipalités. Les estimations permettent de vérifier qu’il existe un gain fiscal associé à la croissance municipale au Québec. Les municipalités de 1 000 habitants et plus ayant connu une croissance plus élevée de leur population ou de leur nombre d’unités immobilières entre 2008 et 2018 affichent une croissance de leur taux de taxation plus faible (ou une décroissance plus forte). Ces municipalités affichent également des croissances plus faibles de leurs dépenses courantes par habitant au cours de la période. Elles génèrent aussi une part plus importante de leurs recettes à partir de droits, permis et contributions de promoteurs, couvrant possiblement une partie de leurs dépenses courantes. Le gain fiscal de la croissance demeure toutefois éphémère. À terme, notre analyse montre que les municipalités ayant une population plus élevée ont des dépenses par habitant plus élevées. Ces dépenses sont toutefois financées par des valeurs foncières conséquentes, ce qui suggère que l’impôt foncier est bien adapté à la croissance municipale. Il n’est pas possible, selon notre analyse, de conclure que la quête incessante de croissance immobilière par les municipalités a nécessairement un impact négatif sur le bien-être de la collectivité. Le gain qu’elles retirent de la croissance est temporaire et il apparaît pertinent pour éviter qu’elles ne favorisent les coalitions axées sur la valorisation foncière. L’absence de gain pourrait avoir pour conséquence de ralentir le développement immobilier dans un contexte où l’accès au logement est de plus en plus difficile.
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 | 0.002 |
| 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 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.012 | 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".