MétaCan
Menu
Retour à la cohorte
Enregistrement W2122346327 · doi:10.1111/twec.12360

Impact of Trade on Canada's Employment, Skill and Wage Structure

2015· article· en· W2122346327 sur OpenAlexaffabout
Ram C. Acharya

Notice bibliographique

RevueWorld Economy · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensGovernment of Canada
Organismes subventionnairesnon disponible
Mots-clésAutarkyEconomicsWageLabour economicsWelfareExchange rateHuman capitalHourly wageTechnological changeManufacturingFree tradeInternational economicsMonetary economicsBusinessMacroeconomicsEconomic growthMarket economy

Résumé

récupéré en direct d'OpenAlex

Abstract Using newly constructed data for 88 C anadian industries (including primary, manufacturing and services), for 15 years (1992–2007), we analyse the impact of trade and technological change on labour demand, skill structure, wage premiums and welfare in C anada. Results show that export growth has no impact, whereas import growth reduces employment growth. But contrary to popular belief, C anada's job loss due to imports has been very small, only about 6,000 persons annually. C hina's negative impacts are more pronounced in industries where the share of information and communication technology ( ICT ) capital is rising fast and among low R & D intensive industries. In terms of skill change, ICT use and real exchange rate appreciation are biased towards high skill workers. Imports from the United States and C hina are skill‐neutral, whereas imports from M exico are skill‐upgrading. Overall, neither export nor import growth has an impact on the wage rate. However, had there been no imports from China, the annual wage growth rate of high skill manufacturing workers would have been 0.6 per cent higher. Between 1992 and 2007, there was an annual net gain from the rise in imports at about 0.4 per cent of GDP , in addition to the gains obtained from 1992 import levels vis‐à‐vis autarky.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,219
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorld EconomyMême sujetGlobal trade and economicsTravaux en français237 207