MétaCan
Menu
Retour à la cohorte
Enregistrement W4401762447 · doi:10.3390/economies12080214

The Economic Decision of International Migration: Two Empirical Evidences from the United States and Canada

2024· article· en· W4401762447 sur OpenAlexaboutno aff
Jiyoung Park, SeongWoo Lee, Jonghoon Park

Notice bibliographique

RevueEconomies · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Environment
Mots-clésRegional scienceEconomic geographyPolitical scienceEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

This study investigated whether economic motivations are a key factor in international migration decisions. Applying the selectivity-corrected expected income for migrants and stayers, the difference in expected income for an individual in origin and destination countries was analyzed. This study used data from the U.S. and Canada to empirically test the role of income gaps in migration decisions. The main difficulty in analyzing the role of the gaps lies in collecting both income streams for the same individual, since once an individual migrates to a different country, their potential income in the origin country cannot be observed; and vice versa for stayers. Therefore, directly applying the average income of migrants (conditionally relying on their observed characteristics) to estimate the income of stayers if they had migrated results in a biased estimate of stayers’ income. Hence, there is a need to account for selectivity in the migration decision and calculate selectivity-corrected income. The key finding in this study is that the expected income gap is positively associated with, and statistically significant for, international migration decisions for the U.S. and Canada. One of the main reasons may be the easy transfer of labor skills between countries that have similar labor environments and cultural backgrounds.

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)0,010
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 enseignants0,013
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,006
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,019
Tête enseignante GPT0,319
Écart entre enseignants0,299 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomiesMême sujetMigration and Labor DynamicsTravaux en français237 207