An Evaluation of the 1977 Canadian Firearm Legislation: Robbery Involving a Firearm.” Applied Economics 35
Notice bibliographique
Résumé
This article uses a pooled cross-section, time-series model to evaluate the effect of the 1977 Canadian firearms legislation on the provincial homicide rate between 1969 and 1989. This type of model was selected because of its ability to capture variation across space as well as time. The indices included in this model, measured at the provincial level, as independent variables are: unemployment rate, percentage Status Indian, percentage immigrant, percentage male youth, the clearance rate. The results are consistent with the findings of most previous studies that the 1977 Canadian firearms legislation did not have a significant effect on homicide rates. The strongest explanatory factors were percentage Status Indian and male youth. n 1977, Canada amended the criminal code in an effort to toughen ~t its gun control legislation. This amendment required firearms pur-chasers to apply for a Firearms Acquisition Certificate, strengthened the registration requirements for handguns and other &dquo;restricted weapons,&dquo; and prohibited a variety of weapons. In addition, this amendment increased the penalties for anyone convicted of firearms misuse. At the time of its passage, supporters of this bill voiced high expectations that the bill would reduce firearms deaths; in other words, it was claimed that this gun control measure would not only reduce criminal violence, but it would also reduce accidental AUTHORS ’ NOTE: An earlier draft of this article was presented to the meetings of theAmerican Society of Criminology, San Francisco, November 20-23,1991. This study was supported by the British Columbia Provincial Government’s Challenge ’89 and ’90 programs. The opinions and points of view expressed here are our own and do not necessarily reflect the official positions or any sponsoring agency. The authors would like to thank Karim Gulamhusein for his painstaking and careful work in collecting and assembling the data set. We would particularly like to thank Walter Piovesan of the SFU Library, for his help with the Canadian Justice data tapes. Finally, thanks are due to Gordon MacKay of the Canadian Centre for Justice Statistics, Diane Fournier
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».