MétaCan
Menu
Retour à la cohorte
Enregistrement W2743145133 · doi:10.2307/2696011

Immigration Reform and the Earnings of Latino Workers: Do Employer Sanctions Cause Discrimination?

2001· article· en· W2743145133 sur OpenAlexaboutno aff
Cynthia Bansak, Steven Raphael

Notice bibliographique

RevueIndustrial and Labor Relations Review · 2001
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSanctionsEarningsImmigration reformWageImmigrationAgricultureDemographic economicsLabour economicsControl (management)EconomicsImmigration policyPolitical scienceGeographyFinance

Résumé

récupéré en direct d'OpenAlex

This paper investigates whether employer sanctions for hiring undocumented workers introduced by the 1986 Immigration Reform and Control Act (IRCA) adversely affected the hourly earnings of Latino workers in the southwestern United States.We exploit the staggering of the sanctions and employee verification requirements across sectors to estimate this effect.In particular, IRCA's employer-sanctions provisions were not extended to agricultural employers until 2 years after their imposition on nonagricultural employers.Hence, Latino agricultural workers provide a control group against which to compare changes in the wages of Latinos in nonagricultural employment.We find substantial pre-post IRCA declines in the hourly earnings of Latino nonagricultural workers relative to Latinos in agriculture.This pattern, however, is considerably stronger for Latino men than Latina women.We do not observe similar intersectoral shifts in relative wages among non-Latino white workers.In fact, the relative wage changes for non-Latino white workers are of the opposite sign.Finally, the pre-post IRCA relative decline in Latino nonagricultural wages reverses the pre-IRCA trend in which the relative earnings of Latino nonagricultural workers had been increasing. 1 For discussion of employer sanctions in Canada, France,

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil0,604

Scores Codex et Gemma par catégorie

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

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 Opus0,044
Tête enseignante GPT0,322
Écart entre enseignants0,278 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations11
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial and Labor Relations ReviewMême sujetMigration and Labor DynamicsTravaux en français237 207