L'élasticité du revenu imposable au Canada et les effets des taux d'imposition sur les revenus tout au long de la distribution
Bibliographic record
Abstract
Nous analysons l’effet du taux d’imposition sur les revenus des Canadiens à l’aide des Données administratives longitudinales de 1988 à 2019. Cette étude examine comment les variations des taux affectent les comportements de déclaration de revenus. Nous commençons par estimer l’élasticité du revenu imposable (ETI, elasticity of taxable income), en utilisant les variations du taux d’imposition et du revenu sur un décalage de trois ans et une stratégie de variables instrumentales standard tirée de la littérature. Les résultats principaux montrent qu’en l’absence de pondération par le revenu, les contribuables réagissent de façon modérée aux changements de taux, avec une élasticité estimée à 0,2. Toutefois, avec la pondération, l’élasticité est plus marquée, atteignant 0,6, ce qui appuie l’idée que les contribuables plus aisés sont plus sensibles aux politiques fiscales. Pour tester la robustesse de nos résultats, nous avons introduit des décalages d’un et deux ans, testé l’effet sur le revenu total plutôt que sur le revenu imposable, et utilisé l’approche de Weber (2014) pour une comparaison méthodologique. Enfin, nous effectuons une analyse de l’effet de l’impôt sur le revenu sur l’ensemble de la distribution, en estimant les effets des changements des taux marginaux d’imposition aux 25e, 50e et 75e centiles sur les revenus des individus dans différents quartiles de la distribution. Les résultats montrent une tendance des augmentations des taux au 25e centile et à la médiane à augmenter les revenus dans les 3 quartiles inférieurs par rapport aux revenus les plus élevés, tandis qu’une augmentation des taux au 75e centile diminue les revenus relatifs des trois quartiles inférieurs. Dans l’ensemble, ces résultats suggèrent qu’une plus grande progressivité de l’impôt peut conduire à une augmentation des inégalités de revenu avant impôt. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Progressivité de l’impôt, Élasticité du revenu imposable (ETI), Taux d’imposition, Quartiles, Approche Weber.
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 | 0.006 | 0.034 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| 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".