La richesse au Canada : déterminants et composition
Bibliographic record
Abstract
L’objectif principal de ce mémoire est d’étudier la composition de la richesse des ménages canadiens, ses déterminants et sa relation avec les générations. Nous utilisons l’Enquête sur la sécurité financière (ESF) de Statistique Canada réalisée en 1999, 2005, 2012 et 2016, afin de dresser un portrait de l’évolution du patrimoine des Canadiens. Pour ce faire, nous présentons de manière descriptive les profils de richesse des Canadiens selon leur cohorte et âge. Puis, à l’aide de deux types de modèles économétriques, les moindres carrés ordinaires et la régression quantile, nous évaluons la relation des actifs immobiliers et de pension sur l’accumulation de la richesse nette. Nous analysons ces relations sous la base des observations individuelles ainsi que des valeurs agrégées par cohortes. Nos résultats montrent qu’au niveau individuel une relation positive existe entre la richesse immobilière et l’accumulation des autres types de composantes et que celle-ci est plus élevée que la relation obtenue en évaluant les pensions. Sous la base des valeurs agrégées, ne nous retrouvons pas ce résultat, où seule la relation avec les pensions est maintenue. De plus, nous montrons que celle-ci est significative uniquement dans le cas des trois quantiles de richesse analysés les plus élevés. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : composition de la richesse, épargne, inégalités, équité intergénérationnelle, immobilier, pension, Canada, MCO, régression quantile, ESF
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.008 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".