Les retombées salariales de l'éducation : une analyse sur le Canada
Bibliographic record
Abstract
L’existence d’externalités de l’éducation sur les revenus est une éventualité que de nombreux auteurs ont analysé sans forcément parvenir à un consensus. En effet, trois types de résultats différents se dégagent de la littérature : alors qu’une proportion d’auteurs trouve des effets externes positifs, une autre estime des effets approximativement nuls et une troisième soutient des effets externes négatifs. Les politiques gouvernementales qui favorisent l’éducation au niveau social ne bénéficient ainsi pas d’un soutien uniforme. Ce travail de recherche utilise les microdonnées d’échantillons des Recensements canadiens de la population de 1991 à 2016 afin d’identifier l’existence d’externalités de l’éducation sur les revenus à travers une mesure de l’effet de l’éducation régionale sur les salaires individuels ou la productivité totale des facteurs. Pour mener cette étude en tenant compte d’un éventuel problème d’endogénéité provenant des variables estimant l’éducation régionale ou des salaires individuels, trois stratégies d’estimation ont été utilisées : (1) une estimation par moindres carrés ordinaires avec inclusion de contrôles, (2) une estimation avec la proportion de membres d’une minorité visible dans une région en 1991 comme instrument et (3) une estimation avec mesure de la qualité non observée des travailleurs comme variable de contrôle. En termes de résultats, les données canadiennes suggèrent que l’effet estimé de l’éducation régionale sur les salaires individuels ou la productivité totale des facteurs est d’une ampleur généralement non négligeable mais le signe varie avec la période de temps retenue. De manière plus détaillée, elles suggèrent des coefficients estimés majoritairement négatifs entre 1991 et 2016 mais souvent positifs (strictement positifs et majoritairement significatifs avec l’estimation par variable instrumentale) entre 1991 et 2001 avec les techniques d’estimation en deux étapes. Les données canadiennes suggèrent ainsi l’existence d’externalités de l’éducation sur les revenus même si on ne peut conclure sur leur signe réel. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : productivité totale des facteurs, éducation régionale, rendement social, revenus d’emploi
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
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".