Who Moves? A Panel Logit Model Analysis of Inter-provincial Migration in Canada
Notice bibliographique
Résumé
This paper addresses the topic of inter-provincial migration in terms of the basic question: "who moves?" Panel logit models of the probability of moving from one year to the next are estimated using samples derived from the Longitudinal Administrative Database covering the period 1982-95. Explanatory variables include "environmental" factors, personal characteristics, labour market attributes, and a series of year variables. Separate models are estimated for eight age-sex groups. The major findings include that: i) migration rates have been inversely related to the size of the province, presumably capturing economic conditions, labour market scale effects, and pure geographical distance, while language has also played an important role; ii) residents of smaller cities, towns, and especially rural areas have been less likely to move than individuals in larger cities; iii) age, marriage, and the presence of children have been negatively related to mobility, for both men and women; iv) migration has been positively related to the provincial unemployment rate, the individuals' receipt of unemployment insurance (except Entry Men), having no market income (except for Entry Men and Entry Women), and the receipt of social assistance (especially for men); v) beyond the zero earnings point, migration has been positively related to earnings levels for prime aged men, but not for others, and these effects are generally small (holding other factors constant); vi) there were no dramatic shifts in migration rates over time, but men's rates dropped off a bit in the 1990s while women's rates (except for the Entry group) generally held steadier or rose slightly, indicating a divergence in trends along gender lines.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 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 ».