Estimation du taux de chômage naturel régional : le cas des régions administratives du Québec
Notice bibliographique
Résumé
Une forte hétérogénéité caractérise les niveaux et les fluctuations du taux de chômage dans les régions du Québec. Par exemple, entre mars 1997 et décembre 2018, le taux de chômage moyen s'est respectivement établi à 6,3% et à 10,0% dans les régions de la Capitale-Nationale et du Saguenay-Lac-Saint-Jean ; un écart non négligeable de près de quatre points de pourcentage. Dans la mesure où ces inégalités sont inefficaces (Taylor, 1996) et qu'elles exacerbent les écarts de revenus (Macphail, 2000), il est primordial de déterminer les facteurs qui les sous-tendent. En ce sens, des travaux antérieurs ont permis de conclure à l'influence de la fiscalité et des institutions du marché du travail comme facteurs explicatifs des disparités du taux de chômage à travers les États. Ces éléments sont toutefois homogènes sur l'ensemble du territoire de la province du Québec et ne peuvent donc pas expliquer les différences du taux de chômage à travers les régions administratives québécoises. À partir de la définition de Friedman (1968), nous développons un modèle structurel du taux de chômage qui divise ce dernier en une portion structurelle et en une portion cyclique permettant, par le fait même, de mettre à l'épreuve de nouveaux facteurs explicatifs tels que la productivité régionale et la composition industrielle. En nous appuyant sur un panel de données sur les régions administratives du Québec, qui s'étend de mars 1997 à décembre 2018, nous procédons à cette décomposition à l'aide d'une estimation des moindres carrés ordinaire (MCO) à effets fixes robuste à l'autocorrélation et à l'intercorrélation ainsi qu'à une seconde évaluation des moindres carrés généralisés(MCG) à effets fixes qui considère la structure autorégressive du terme d'erreur. Nos résultats démontrent que la productivité et la composition industrielle régionale ont toutes les deux un effet significatif sur le taux de chômage régional. Finalement, nous utilisons les résultats pour mesurer le taux de chômage naturel de chaque région et discutons brièvement de son évaluation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».