MétaCan
Menu
Retour à la cohorte
Enregistrement W4293214739 · doi:10.1111/caje.12616

Community attachment, job loss and regional labour mobility in Canada: Evidence from the Great Recession

2022· article· en· W4293214739 sur OpenAlexaffvenueabout
Derek Messacar

Notice bibliographique

RevueCanadian Journal of Economics/Revue canadienne d économique · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensStatistics CanadaMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésRecessionJob lossGreat recessionExploitEconomicsDemographic economicsLabour economicsWork (physics)Instrumental variableRegional variationUnemploymentBusinessEconomic growthMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Labour mobility is an important mechanism to equilibrate regional differences in labour market conditions. Yet, little is known about underlying differences between individuals that explain why some stay in place during times of economic hardship while others in objectively similar situations choose to leave. Using a novel dataset comprising 59,974 respondents of a national community health survey from Canada linked to their administrative tax records, this paper provides new insights into this important issue. Specifically, I investigate the extent to which individuals' objective and subjective ties to their local communities mitigate or exacerbate the decision to relocate following an exogenous job separation. To credibly identify this effect, I exploit variation in regional employment conditions over time caused by construction industry shocks during the Great Recession, based on an instrumental variables approach. The results indicate that job loss increases the likelihood of migrating within the same province by approximately 1.4 to 2.3 percentage points among men. Moreover, this effect is driven primarily by individuals with low sense of community belonging, which indicates “push and pull” between the need to relocate for work and the desire to stay near family and friends.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,264
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,230
Tête enseignante GPT0,243
Écart entre enseignants0,013 · 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.

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
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Economics/Revue canadienne d économiqueMême sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207