A study of the causes and consequences of regional income inequality in Canada: A spatial panel data approach
Notice bibliographique
Résumé
De 1981 à 2011, le Canada, comme plusieurs pays membres de l'OCDE, a connu une augmentation marquée des inégalités de revenu. À partir des données de l'échantillon 20% du recensement long et de l'Enquête nationale auprès des ménages, cette thèse a pour but d'observer les changements dans la structure et la nature des inégalités de revenu au niveau des régions Canadiennes. L'analyse des inégalités régionales suggère la présence grandissante de pochettes (« clusters ») d'inégalité (avec des valeurs élevées et basses) selon une division est-ouest, mais aussi selon le spectrum urbain-rural, et ce particulièrement à l'intérieur des grandes régions métropolitaines et leurs environs. En fait, au cours des trente années de la période d'étude, j'observe que l'accroissement des inégalités au Canada est principalement lié à la montée des inégalités dans les grandes régions métropolitaines. Les niveaux d'inégalités à l'intérieur des moyennes et petites régions urbaines sont aussi grandissants, alors que les niveaux d'inégalités en milieux ruraux sont demeurés stable au cours de la période d'étude. Avec comme objectif de mieux comprendre les causes des variations dans les niveaux d'inégalités du revenu à travers les régions Canadiennes, j'ai développé et estimé une série de modèles de régression panel spatiale d'erreur. Les résultats suggèrent, entre autres, que les différences au niveau de la précarité du secteur d'emploi, la faiblesse du secteur manufacturier et les inégalités grandissantes dans les niveaux d'éducation favorisent l'accroissement des niveaux d'inégalités du revenu. Il existe cependant, d'importantes différences dans les causes des variations de l'inégalité à travers les régions urbaines et rurales. Finalement, je me suis questionnés à savoir quels effets peuvent avoir des niveaux d'inégalités élevés sur la croissance économique des régions à court, moyen et long terme. En utilisant une approche standard qui s'appuie sur des modèles transversaux, il est possible de conclure que les régions qui possédaient des niveaux d'inégalités plus élevé au départ sont aussi les régions qui connaissent la plus grande croissance économique dans les trente années qui ont suivies. Par contre, cette relation ne s'est pas validée pour le court et moyen terme, alors que les modèles à effets fixes révèlent une relation négative entre inégalité et croissance économique. Une de fois de plus, ces résultats varient selon la division urbaine et rurale.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».