PALE

Programme d'analyse longitudinale de l'emploi (PALE)

description

Nature : Base de données administratives longitudinales d'entreprises.
Utilisation : Cette base de données peut appuyer la recherche sur la dynamique de l'emploi. il s'agit de la principale source de données pour les études sur la création et la disparition d'emplois au Canada. La nature longitudinale de la base de données du PALE permet de déterminer avec précision le moment de l'entrée et de la sortie d'entreprises. Les entreprises entrantes (ou « nouvelles entreprises ») durant une année particulière sont celles pour lesquelles il existe des données sur la rémunération pour l'année courante, mais non pour l'année précédente. De même, les entreprises sortantes (ou « entreprises fermées ») d'une année donnée sont repérées par l'absence de données sur la rémunération pour l'année courante, alors qu'il y en avait l'année précédente.
Contenu : Données sur l'emploi et la rémunération pour chaque entreprise avec salariés au Canada.
Période de couverture : 1991 à 2012.

Funded Projects

Assessing Firm Growth using Quantile Regressions Robert Petrunia, Jay Dixon, Anne-Marie Rollin

This project looks at the employment growth of firms in Canada. The analysis emphasizes that differences occur across firms. These differences relate to the size and age of a firm, along with industry and annual conditions. The purpose of the project is to capture, examine and determine the relative importance of the impact of size, age, industry and year on firm growth.

Robert Petrunia is an Associate Professor at Lakehead University and Partnership collaborator

ensembles de données connexes
PALE

thèmes de recherche connexes
L'analyse de l'industrie et des entreprises

thèmes connexes

Marchés du travail

Learn More

Revenus

Learn More

Papers and Publications

mai, 2020

Applying Data Synthesis for Longitudinal Business Data Across Three Countries M. Jahangir Alam, Benoit Dostie, Lars Vilhuber

Data on businesses collected by statistical agencies are challenging to protect. Many businesses have unique characteristics, and distributions of employment, sales, and profits are highly skewed. Attackers wishing to conduct identication attacks often have access to much more information than for any individual. As a consequence, most disclosure avoidance mechanisms fail to strike an acceptable balance between usefulness and condentiality protection. Detailed aggregate statistics by geography or detailed industry classes are rare, public-use microdata on businesses are virtually inexistant, and access to condential microdata can be burdensome. Synthetic microdata have been proposed as a secure mechanism to publish microdata, as part of a broader discussion of how to provide broader access to such datasets to researchers.

In this article, we document an experiment to create analytically valid synthetic data, using the exact same model and methods previously employed for the United States, for data from two dierent countries: Canada (Longitudinal Employment Analysis Program (LEAP)) and Germany (Establishment History Panel (BHP)). We assess utility and protection, and provide an assessment of the feasibility of extending such an approach in a cost-eective way to other data.

M. Jahangir Alam is an Assistant Professor at Truman State University and Partnership collaborator.
Benoit Dostie is a Professor at HEC Montréal and co-investigator in the Partnership.
Lars Vilhuber is a Professor at Cornell University and Partnership collaborator.

Author(s)

M. Jahangir Alam, Benoit Dostie, Jörg Drechsler, Lars Vilhuber

ensembles de données connexes
PALE

thèmes de recherche connexes
International, L'analyse de l'industrie et des entreprises

Keywords: synthetic data; longitudinal business data; transferability of methods; confidentiality protection

View the cahiers de recherche