Fiscal Policy, Returns to Skills, and Canada-US Migration: Evidence from the Late 1990s
Notice bibliographique
Résumé
Dans cet article, nous présentons un modèle logit hiérarchique des migrations entre 59 régions du Canada et des États-Unis que nous avons conçu grâce à plus de 70 000 microdonnées portant sur les travailleurs de tous les déciles de la répartition des compétences que comportaient les recensements canadiens et américains de 2000/2001, puis nous faisons des estimations et des simulations. En combinant les données individuelles et et les données régionales, nous pouvons analyser les effets des différences de politiques fiscales des deux pays sur les migrations des travailleurs. Comme nous savons quels sont les travailleurs hautement qualifiés, nous pouvons simuler les effets que des changements en matière d’impôt (en présupposant des budgets équilibrés) auraient autant sur la tendance des individus à migrer que sur l’importance des courants migratoires. Ces simulations suggèrent qu’une augmentation du rendement des compétences après impôt au Canada ainsi que la réduction, au niveau moyen américain, du taux moyen d’imposition canadien (avec compensation des réductions des dépenses pour maintenir la neutralité budgétaire) réduiraient effectivement les migrations vers les États-Unis, particulièrement parmi les travailleurs hautement qualifiés. Toutefois, les réductions des taux d’imposition et des dépenses publiques nécessaires pour produire ce résultat étant relativement élevées, cela soulèverait des questions touchant des politiques publiques importantes dans d’autres domaines.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».