MODÈLE DYNAMIQUE EN PRÉSENCE DE BIAIS DE SÉLECTION ET D’HÉTÉROGÉNÉITÉ INOBSERVÉE: APPLICATION À LA PARTICIPATION DES FEMMES SUR LE MARCHÉ DU TRAVAIL AU CANADA
Notice bibliographique
Résumé
Il est bien connu dans la littérature relative à l’offre de travail que négliger les phénomènes d’hétérogénéité individuelle inobservée et de biais de sélection dans la modélisation, peut conduire à une estimation biaisée et non convergente des paramètres d’intérêt. Afin de corriger ces problèmes, Kyriazidou (2001) propose une estimation en deux étapes, tenant compte de la présence de biais de sélection, d’hétérogénéité individuelle non observable et d’une structure autorégressive. Dans un premier temps, une estimation convergente des paramètres inconnus de l’équation de participation au marché du travail est obtenue. Dans un deuxième temps, les coefficients estimés sont intégrés à la construction d’une pondération Kernel appliquée aux instruments de l’estimateur GMM asymptotiquement normal et convergent à un taux près de la racine de n. Les résultats de l’estimateur GMM proposé sont comparés à un estimateur « naïf » et ceux-ci concluent en la présence significative d’un biais de sélection et d’une structure autorégressive dans l’équation de l’offre de travail des femmes au Canada. De plus, ignorer la présence de l’effet de sélection tend à sous-estimer l’impact des variables liées au ménage, soit le nombre d’enfants et le revenu de travail du conjoint, et à surestimer l’effet positif du salaire sur l’offre de travail.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».