MétaCan
Menu
← Back to cohort
Record W7000022486

Econometric analysis of employment integration and retention of people with disabilities in Canada

2022· other· fr· W7000022486 on OpenAlexaboutno aff

Bibliographic record

VenueCorpus Université Laval (Université Laval) · 2022
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsEconometric analysisViet namEthnic discriminationBehavioral analysis
DOInot available

Abstract

fetched live from OpenAlex

Cette thèse présente trois chapitres sur l'analyse microéconométrique. Dans le premier chapitre, nous étudions l'impact de la discrimination à l'encontre des personnes handicapées sur l'efficacité des politiques publiques (subventions salariales) qui favorisent leur emploi. En effet, au cours des dernières décennies, de nombreux pays ont adopté des politiques importantes pour réduire les inégalités sur le marché du travail entre les personnes vivant avec et sans incapacités avec très peu de succès. Nous sommes convaincus que la présence d'une discrimination importante à l'encontre des personnes avec incapacités peut expliquer l'inefficacité de ces politiques. Pour ce faire, nous développons d'abord un modèle de recherche d'emploi avec appariement et négociation qui tient compte des décisions de participation en présence de discrimination basée sur les goûts des employeurs. Ce modèle nous permet de séparer et d'estimer l'effet de la discrimination de l'effet de la différence de productivité. Nous estimons le modèle en utilisant les données de l'Enquête sur la Dynamique du Travail et du Revenu (EDTR) au Canada. Nos estimations suggèrent que la discrimination de l'employeur est le principal facteur expliquant les inégalités sur le marché du travail entre les personnes handicapées et non handicapées. Nos estimations montrent que 57% des employeurs ont des préjugés envers l'embauche des hommes avec incapacités et 62% pour les femmes avec incapacités. Nous avons ensuite simulé un contrefactuel pour estimer l'impact d'une politique de subvention salariale sur les taux d'emploi en utilisant les paramètres estimés du modèle. Nous constatons que l'effet de la subvention est très faible en présence ou en l'absence de discrimination, et que la subvention compense légèrement l'effet de la discrimination sur l'écart entre les personnes handicapées et non handicapées sur le marché du travail. Cela illustre la mesure dans laquelle les efforts doivent être réorientés afin de réaliser une efficacité significative de nos politiques, étant donné que nous ne trouvons aucune différence de productivité qui puisse expliquer l'écart entre les deux groupes. Le deuxième chapitre analyse l'effet de la flexibilité de l'emploi sur l'absentéisme. En utilisant les données canadiennes de l'Enquête sur la dynamique du travail et du revenu (EDTR), nous exploitons une variante de la méthode des variables instrumentales adaptée aux modèles non linéaires proposée par Terza et al. (2008), qui est la " Two Stage Residual Inclusion " (2SRI), pour analyser l'effet du travail depuis la maison (avoir un certain nombre d'heures de travail depuis la maison) sur le nombre de semaines d'absence du travail dans une année. Nous montrons que les travailleurs ayant une flexibilité de l'emploi (travaillant partiellement ou totalement depuis la maison) sont moins souvent absents pour des raisons de maladie ou d'obligation familiales que ceux qui n'ont pas de flexibilité de l'emploi après contrôle de l'endogénéité. Nos résultats montrent également des effets d'interaction assez significatifs, notamment pour les personnes handicapées. Ceci suggère qu'une politique favorisant la flexibilité de l'emploi permettrait à ces personnes de gérer leur état de santé, de rester sur le marché du travail, et donc de continuer à travailler. Les femmes sont également beaucoup plus sensibles à la possibilité de travailler depuis la maison. Dans le troisième chapitre, nous évaluons l'impact du programme Contrat d'intégration au Travail (CIT) sur le taux d'emploi des personnes ayant des contraintes sévères à l'emploi. Ce programme a été implanté au Québec en avril 2001. Pour ce faire, nous estimons l'effet de la mesure par la méthode de la différence-de-différences tout en introduisant des paramètres d'erreur de classification qui capte les faux-positif et faux-négatif du statut d'emploi. En effet, comme nous n'observons pas directement le statut d'emploi de l'individu dans les données, nous le construisons à partir des entrées, sorties et durées dans les programmes d'aide et de solidarité sociale, ce qui est sujette à des erreurs de classification lorsqu'un chômeur est identifié à tord comme employé ou qu'un employé est identifié à tord comme chômeur. Nous utilisons des données administratives du Ministère du Travail, de l'Emploi et de la Solidarité Sociale (MTESS) du Québec. Nos résultats montrent que rien ne prouve que la mesure CIT, à travers sa composante subvention salariale, a eu un impact positif sur l'emploi des personnes ayant des contraintes sévères à l'emploi, quel que soit le groupe de contrôle utilisé. De plus, les estimations des probabilités d'erreur de classification sont significativement différentes de zéro et vont de 10 à 17 % pour α₀ (chômeur est classé à tort comme employé) et de 3 à 16 % pour α₁ (employé est classé à tort comme chômeur) en utilisant les personnes sans contraintes comme groupe de contrôle. En revanche, si le groupe de contrôle est constitué d'individus soumis à des contraintes d'emploi temporaires, les estimations de ces paramètres sont approximativement doublées. Nous avons testé la robustesse de ces estimations en introduisant délibérément un faux positif de 5%. Le résultat montre que nos estimations sont robustes puisque cela augmente le faux positif d'environ 5%, laissant le faux négatif inchangé.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.015
Threshold uncertainty score0.110

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.004
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.004
Science and technology studies0.0010.000
Scholarly communication0.0010.000
Open science0.0010.001
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0070.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.008
GPT teacher head0.170
Teacher spread0.162 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueCorpus Université Laval (Université Laval)→French-language works237,207→