Risque de longévité pour les régimes de retraite canadiens à prestations déterminées
Bibliographic record
Abstract
Ce mémoire étudie le risque de longévité pour un régime de retraite à prestations déterminées dans un contexte québécois et canadien. On le définit comme le risque que les retraités vivent significativement plus longtemps que prévu, occasionnant des pertes pour le régime. Afin de le quantifier, on a recours à des données du Régime de pensions du Canada (RPC), du Régime de rentes du Québec (RRQ) et de la Base de données sur la longévité canadienne (BDLC) permettant l’utilisation de différentes variables explicatives (âge, année, cohorte, revenu et région). Une projection stochastique de la mortalité sur plusieurs sous-populations est effectuée selon un cadre général inspiré de Hunt et Blake (2014) et une approche de modèle relatif de Villegas et Haberman (2014). Selon les modèles identifiés et retenus dans ce mémoire, une évolution défavorable de la mortalité pour un régime de retraite, à un niveau de confiance de 95 %, pourrait occasionner une hausse d’environ 5% du coût des rentes pour les femmes et de 10 à 15 % du coût des rentes pour les hommes. Ces hausses de coût se comparent, pour une hypothèse de rendement de 4 % (i = 4,0 %), à une diminution de 0,4 % (i = 3,6 %) de cette hypothèse pour les femmes et de 1,0 % (i = 3,0 %) pour les hommes. Également, les résultats de la modélisation tendent à démontrer l’ordre suivant quant à l’importance relative des variables étudiées afin d’expliquer le niveau de la mortalité des femmes et des hommes : 1) l’âge 2) l’année 3) le revenu (proxy socio-économique) 4) la région (RPC vs RRQ). Il n’a pas été possible de déterminer qu’une variable de cohorte était nécessaire pour améliorer la modélisation de la mortalité des retraités canadiens.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".