International Mobility: A Longitudinal Analysis of the Effects on Individuals Earnings
Notice bibliographique
Résumé
The degree to which workers leave the country was a much-discussed issue in Canada - as elsewhere - in the latter part of the 1990s, although recent empirical evidence shows that it was not such a widespread phenomenon after all, and that rates of leaving have declined substantially in recent years. One aspect of the international mobility dynamic that has not yet been addressed, however, is the effect on individuals' earnings of leaving the country and then returning. The lack of empirical evidence on this issue stems principally from the unavailability of the kind of longitudinal data required for such an analysis. The contribution of this paper is to present evidence on how leaving and returning to Canada affects individuals' earnings based on an analysis carried out with the Longitudinal Administrative Database. The models estimated use movers' (relative) pre-departure profiles as the basis of comparison for their post-return (relative) earnings patterns in order to control for any pre-existing differences in the earnings profiles of movers and non-movers (while also controlling for other factors that affect individuals' earnings at any point in time). Overall, those who leave the country have higher earnings than non-movers upon their returns, but most of these differences were already present in the pre-departure period. In terms of net earnings growth, individuals who were away for two to five years appear to do best, and enjoy earnings that are 12% higher in the five years following their return relative to their pre-departure levels (controlling for other factors), while those who leave for just one year have smaller gains, and those who spend longer periods abroad have lower (relative) earnings upon their returns as compared to before leaving (perhaps due to other events associated with their mobility patterns). Interestingly, these gains seem to be concentrated among those who had the lowest pre-move earnings levels (less than $60, 000), while those higher up on the earnings ladder had smaller and more variable gains.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».