Three essays in macroeconomics: wealth concentration and optimal progressive taxation
Bibliographic record
Abstract
Cette thèse a pour objectif d’examiner les déterminants de la concentration de la richesse aux États-Unis et au Canada, ainsi que de l’optimalité de la taxation progressive pour la répartition de la richesse et le bien- être. Le premier chapitre étudie la progressivité fiscale optimale pour les ménages célibataires et mariés. Cette analyse montre que négliger la présence des femmes et des ménages mariés dans l’analyse aboutit à un niveau de progressivité de l’impôt profondément sous-optimal. Cela met en évidence le fait que les macroéconomistes ne devraient pas ignorer les femmes et le mariage dans la mise en place de modèles structurels pour étudier la politique fiscale optimale. L’imposition progressive optimale comporte moins d’impôts progressifs sur les ménages mariés par rapport aux célibataires. Cette disparité de progressivité optimale illustre le rôle vital de partage de risque dans le mariage. Les célibataires ne peuvent pas se protéger efficacement contre le risque de revenu et il est donc optimal de fournir davantage d’assurance sociale aux célibataires qu’aux couples. Le deuxième chapitre examine les déterminants fondamentaux du niveau élevé de concentration de la richesse aux États-Unis: Nous utilisons des données sur la distribution jointe des revenus, du revenu du capital et de la richesse pour identifier l’importance quantitative de chacun des éléments moteurs, à savoir une forte concentration du revenu du travail. , risque de revenu du capital et legs. Les résultats montrent que la concentration du revenu du travail est la source la plus importante de dispersion de la richesse pour presque toute la distribution. Le troisième chapitre étudie le principal facteur de concentration de la richesse au Canada et examine également la source de la différence des parts supérieures de la richesse et du revenu entre les États-Unis et le Canada. Nous constatons que la différence de processus de gains du percentile le plus élévé entre les deux pays joue un rôle important dans l’explication de la différence observée dans les concentrations de richesse. En outre, les différences entre les systèmes fiscaux jouent un rôle non négligeable dans l’inégalité de la consommation, mais moindre dans le cas de la richesse
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".