Studying individuals in same-sex couples using longitudinal administrative data from Canadian tax records: Opportunities and challenges
Notice bibliographique
Résumé
BACKGROUNDQuantitative research on the social, demographic, and economic outcomes of sexual minorities has long been hampered by data shortfalls, with most surveys and censuses limited by sample sizes and/or a lack of direct questions on sexual identity.The growing availability of administrative data presents an opportunity to fill some of these gaps. OBJECTIVEThis article highlights the challenges and opportunities involved with using a novel administrative dataset -the Longitudinal Administrative Databank, which includes 20% of Canadian tax filers -to study sexual minority populations in Canada.We identify three sources of bias, propose strategies to adjust for this bias, and introduce a measure of "inferred sexual minority status" to improve the identification of sexual minorities in tax data. RESULTSAdministrative tax data offers significant advantages, including a large sample size, highquality income data for individuals and linked family members, a longitudinal design, and the ability to trace individuals' same-/different-sex partnership histories.Our adjustment strategies mitigate some biases in identifying same-sex couples, including underreporting, misclassification, and measurement errors.The estimated proportion of individuals in same-sex marriages closely aligns with Canadian census estimates from 2006-2021, while the proportion in same-sex common-law partnerships is
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,059 | 0,149 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,007 | 0,020 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».