Women's emancipation through education: A macroeconomic analysis
Notice bibliographique
Résumé
In this paper, we study the role of education as insurance against a bad marriage.Historically, due to disparities in earning power and education across genders, married women often found themselves in an economically vulnerable position, and had to suffer one of two fates in a bad marriage: either they get divorced (assuming it is available) and struggle as low-income single mothers, or they remain trapped in the marriage.In both cases, education can provide a route to emancipation for women.To investigate this idea, we build and estimate an equilibrium search model with education, marriage/divorce/remarriage, and household labor supply decisions.A key feature of the model is that women bear a larger share of the divorce burden, mainly because they are more closely tied to their children relative to men.Our focus on education is motivated by the fact that divorce laws typically allow spouses to keep the future returns from their human capital upon divorce (unlike their physical assets), making education a good insurance against divorce risk.However, as women further their education, the earnings gap between spouses shrinks, leading to more unstable marriages and, in turn, further increasing demand for education.The framework generates powerful amplification mechanisms, which lead to a large rise in divorce rates and a decline in marriage rates (similar to those observed in the US data) from relatively modest exogenous driving forces.Further, in the model, women overtake men in college attainment during the 1990s, a feature of the data that has proved challenging to explain.Our counterfactual experiments indicate that the divorce law reform of the 1970s played an important role in all of these trends, explaining more than onequarter of college attainment rate of women post-1970s and one-half of the rise in labor supply for married women.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».