Notice bibliographique
Résumé
There are two competing views on how immigration would affect local labor markets. When immigrants offer skills similar to those of native-born workers, they may compete directly with them, and this competition may lead to lower economic returns for native-born workers. This view can be called the “substitution†hypothesis. The alternative view is that immigrants may provide “complementary†skills, which can raise the productivity of other workers. If the substitution argument is effective, immigration might lead to out-migration of the nonimmigrant population from a community in the short run. Models in location-choice studies usually examine the migration decision in two separate processes: whether-to and where-to decisions about moving. The present study investigates how location choices of native-born workers can be influenced by the conditions in both the potential destinations and the departure regions. To validate either the substitution or complementary view, we apply choice-specific, clustered fixed-effect response models, which use industry- and occupation-specific regional attributes that allow us to control for unobserved regional heterogeneity as well as to identify regional factors that affect location choices. This study uses the 20 percent sample of the 2006 Census that covers the entire country with 282 census divisions. The results show that location-choice models are sensitive to how regional attributes are defined. When industry-specific immigration density differentials across regions are measured only at destinations, they have strong and negative effects on the location choices of the native born. However, when the models control choice-specific attributes relative to the origin, immigration variables become insignificant on the desirability of destinations.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 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 ».