Taxes et transferts sociaux dans l'économie : analyses de politiques publiques françaises
Bibliographic record
Abstract
Cette thèse s'intéresse au rôle des impôts et des transferts sociaux dans l’économie, en tant qu’outils majeurs de politiques publiques redistributives. Elle repose sur trois chapitres proposant une analyse empirique de différents dispositifs publics en France et de leurs effets sur les comportements des agents qui y sont exposés. Elle propose également une réflexion théorique sur les implications de ces analyses en termes de politique optimale.Le premier chapitre étudie les effets de la fiscalité des revenus du capital sur les comportements des ménages et des entreprises. Il interroge l’efficacité redistributive de l’imposition des revenus du capital, ses impacts sur les décisions d’investissement des entreprises, ainsi que les stratégies d’optimisation fiscale possible dans le cas de contribuables possédant une entreprise.Les deuxième et troisième chapitres se consacrent à l’étude des transferts sociaux sous condition de ressources. Le deuxième chapitre explore le phénomène de non-recours à ces prestations : pourquoi certains bénéficiaires potentiels ne sollicitent-ils pas l’aide à laquelle ils ont droit ? Quels sont les freins à la demande et comment les politiques publiques peuvent-elles y remédier ?Le troisième chapitre s'intéresse à l’incidence économique réelle de ce type de transferts : dans quelle mesure bénéficient-ils effectivement aux travailleurs ? Peuvent-ils entraîner des effets de substitution ou de captation au profit des employeurs, en affectant les niveaux de salaire ?A travers ces trois chapitres, cette thèse propose donc une contribution au domaine de l'économie publique qui étudie les effets économiques des politiques publiques mises en place par l'Etat et propose des pistes de réflexion pour concevoir des dispositifs plus efficaces et plus équitables.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".