MétaCan
Menu
Retour à la cohorte
Enregistrement W7010940749

The Labour Market Integration of Immigration and Their Role on Innovation

2017· dissertation· en· W7010940749 sur OpenAlexaboutno aff

Notice bibliographique

RevueUWSpace (University of Waterloo) · 2017
Typedissertation
Langueen
DomaineEngineering
ThématiquePhysics and Engineering Research Articles
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationEarningsEndogeneityUnemploymentMarket integrationSettlement (finance)OffshoringEconomic integration
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis contains three chapters evaluating the role of labour market skills in determining immigrants' labour market integration and Canada's innovation rate.
\nIn Chapter 1, I estimate how the impact of entry economic conditions on immigrants' labour market outcomes varies by the versatility of their skills. Skill versatility is measured using information on the sectoral concentration of native-born workers with a particular education field and level. Entry economic conditions are measured using city-level unemployment rates among native graduates from a similar education field and level. Since immigrants' location choices can be endogenous to geographic local economic conditions, I address the endogeneity of immigrants' location choices by exploiting the historical settlement patterns of immigrants from the same countries of origin. 
\nI find that immigrants suffer a 5 to 8 percent decline in their annual earnings when there is a one percentage-point increase in entry unemployment rates. When I incorporate the skill versatility measure in the estimation, the earnings loss is mitigated by 1 to 3 percentage points, if there is a one standard deviation increase in immigrants' skill versatility level. This effect is less evident for highly educated immigrants and it may be due to their being more likely to have pre-arranged employment before landing. I also find that city-level onward migration is more likely for immigrants who face unfavourable labour market conditions at entry, and movers do fare better than stayers conditional on initial setbacks. Meanwhile, immigrants' geographical mobility is found to be strengthened to some extent by their skill versatility.
\nChapter 2 examines the effect of changes in skilled-immigrant population shares in 98 Canadian cities between 1981 and 2006 on per capita patents. The Canadian case is of interest because its `points system' for selecting immigrants is viewed as a model of skilled immigration policy. Our estimates suggest unambiguously smaller beneficial impacts of increasing the university-educated immigrant population share than comparable U.S. estimates, whereas our estimates of the contribution of Canadian-born university graduates are virtually identical in magnitude to the U.S. estimates. The modest contribution of Canadian immigrants to innovation is, in large part, explained by the low employment rates of Canadian STEM-educated immigrants in STEM jobs. Our results point to the value of providing employers with a role in the immigrant screening process. 
\nLastly, in Chapter 3, using inventors' names to identify their ethnicity and Canadian Census and NHS data to estimate ethnic populations, we estimate patenting rates for Canada's ethnic populations between 1986 and 2011. The results reveal higher patenting rates for Canada's ethnic minorities, particularly for Canadians with Korean, Japanese, and Chinese ancestry, and suggest that immigrants accounted for one-third of Canadian patents in recent years, despite comprising less than one-quarter of the adult population. Human capital characteristics, in particular the share with a PhD and the shares educated and employed in STEM fields, account for most of the ethnic-minority advantage in patenting. Our results also point to larger patenting contributions by foreign-educated compared to Canadian-educated immigrants, which runs counter to current immigrant selection policies favouring international students.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,295
Score d'incertitude au seuil0,365

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,188
Écart entre enseignants0,182 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUWSpace (University of Waterloo)Même sujetPhysics and Engineering Research ArticlesTravaux en français237 207