How Do Restrictions on High-Skilled Immigration Affect Offshoring? Evidence from the H-1B Program
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Highly-skilled workers are not only a crucial and relatively scarce inputs into firms' productive and innovative processes, but are also a critical resource determining competitive advantage. An increasingly high proportion of these workers in the US were born abroad and permitted to work on skilled worker visas. How do multinational firms respond when artificial constraints, namely policies restricting skilled immigration, are placed on their ability to hire scarce human capital? This paper combines visa microdata and comprehensive data on US multinational firm activity to demonstrate that firms respond to restrictions on H-1B immigration by increasing foreign affiliate employment at the intensive and extensive margins, particularly in China, India, and Canada. The most impacted jobs were R&D-intensive ones, but there is some evidence that non-R&D employment was also affected. The paper highlights a means by which firms can circumvent constraining policies and mitigate country-level risk, but it also suggests that, for the average MNC, this means is imperfect; for every visa rejection, they hire 0.4 employees abroad. The most globalized MNCs are the most likely to respond to these restrictions by offshoring, highlighting that firm capabilities-in the form of prior internationalization-shape the decision and ability to offshore in response to skilled immigration restrictions; indeed, these firms hire 0.9 employees abroad for every visa rejection. More broadly, the paper provides evidence of a push factor for internationalizing knowledge activity: artificial constraints on resources result in firms circumventing restrictive policies in ways that may not be anticipated by policy makers.
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.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle