The urban and regional dimensions of economic inequality in Canada, 1996 - 2006
Notice bibliographique
Résumé
There is a general consensus that economic inequality increased in Canada between 1996 and 2006. However, few studies examine the multi-dimensional causes of this trend at the sub-national scale. Chakravorty (1996, 2006) and others (Morrill, 2000; Martin, 2001, Drennan, 2005) argue that an understanding of what influences national-scale inequality requires in-depth consideration of urban and regional socioeconomic processes. Using microdata drawn from the most recent 20-percent samples of the Canadian Census of Population (1996, 2001, and 2006), this thesis examines the spatial and socioeconomic dimensions of earnings inequality among individuals in Canada's labour force. The thesis makes two main contributions to the literature. First, it provides a detailed analysis of the key socioeconomic determinants of earnings inequality across Canadian urban areas using regression analysis. The findings provide new evidence that substantial changes have occurred in the contribution of specific factors to inequality since 1996. Second, spatial data analysis points to changes in the geographic distribution of earnings inequality. Between 1996 and 2006, high levels of inequality across Canada's census divisions have increasingly clustered in Alberta and Newfoundland, and results from spatial regression models shed further light on changes in the nature and structure of earnings inequality.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,011 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».