Catching Up or Falling Behind? Continuing Wealth Disparities for Immigrants to Canada by Region of Origin and Cohort
Notice bibliographique
Résumé
This paper investigates wealth disparities among first-generation immigrants using data from the 2012 Survey of Financial Security. We apply logistic and linear regression models to estimate disparities in homeownership and household equivalent net worth by immigrant status, region of origin, and time since arrival. By focusing on immigrant families from different regions who entered Canada at different points in time, this research applies theories related to assimilation, human capital, and structural barriers to wealth. Our findings demonstrate that even though many immigrant families transition into homeownership and grow their wealth over time, certain first-generation immigrant groups continue to experience wealth disparities many years after their arrival to Canada. In particular, immigrant families from African, Asian, and Middle Eastern countries experienced the largest wealth gaps. Cet article examine les disparités de richesse entre les immigrants de première génération en utilisant les données de l'Enquête 2012 sur la sécurité financière. Nous appliquons des modèles de régression logistique et linéaire pour estimer les disparités dans la propriété et valeur nette des ménages équivalente par le statut d'immigrant, la région d'origine, et le temps écoulé depuis leur arrivée. En se concentrant sur les familles d'immigrants de différentes régions qui sont entrés au Canada à différents points dans le temps, cette recherche applique les théories liées à l'assimilation, le capital humain, et les obstacles structurels à la richesse. Nos résultats démontrent que même si de nombreuses familles d'immigrants transition vers la propriété et de croître leur richesse au fil du temps, certains groupes d'immigrants de première génération continuent d'éprouver des disparités de richesse de nombreuses années après leur arrivée au Canada. En particulier, les familles d'immigrants d'Afrique, d'Asie, et les pays du Moyen-Orient ont connu les plus grands écarts de richesse.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».