MétaCan
Menu
Retour à la cohorte
Enregistrement W2745887422 · doi:10.1080/02692171.2018.1518410

Impact of individual and institutional factors on wage rate for nurses in Canada: is there a monopsony market?

2018· article· en· W2745887422 sur OpenAlexafffundabout
Ruolz Ariste, Ali Béjaoui

Notice bibliographique

RevueInternational Review of Applied Economics · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensUniversité LavalUniversité du Québec en Outaouais
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of WaterlooEmployment and Social Development CanadaCanadian Institutes of Health ResearchUniversité Laval
Mots-clésMonopsonyEconomicsWageWage rateLabour economics

Résumé

récupéré en direct d'OpenAlex

Previous studies on Canadian nurse wages were limited to individual factors and did not take into account contextual factors such as hospital market share, labour market size or unionization. Based on market share, some refer to the nursing labour market as a monopsony, which depresses wages and might explain the shortage. However, this has not yet been tested empirically in the Canadian Registered Nurse (RN) labour market. This article aims to fill this gap by using the microdata files of the Labour Force Survey for the years 2010–2012 and the multilevel analysis to shed light on this issue. The contribution of this work is that it takes into account both individual and contextual variables to try to explain nurses’ hourly wage. In accordance with the monopsony model, we hypothesize a negative correlation between hourly wage and level of market share; i.e. monopsony employers would pay a lower wage rate. The results do not support the monopsony model to explain nursing labour shortage: there is no statistically significant relation between RN wages and market share; no relation was found for market size either. This suggests that an explanation for RN labour shortage must be investigated elsewhere.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,032
Score d'incertitude au seuil0,230

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,047
Tête enseignante GPT0,383
Écart entre enseignants0,335 · 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

Citations2
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Review of Applied EconomicsMême sujetEmployment and Welfare StudiesTravaux en français237 207