Non-linear dynamics of employment, output and real wages in Canada
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to examine the relationship among employment, real wage, and output growth in Canada. Design/methodology/approach – Using quarterly data from 1994q2 to 2012q3, this paper employs a vector autoregressive framework while allowing for the derivation of output from its historical maximum over the sample period to affect future output, employment, and real wage growth dynamics. Findings – There are three main findings: output growth is significant in predicting employment growth and vice versa; real wage growth neither Granger causes employment growth nor output growth, but employment growth Granger causes real wage growth; and non-linear dynamics, captured by the current depth regression (CDR) effect term, through the sign as well as the magnitude of output changes, are important in characterizing the evolution of the relationship among output, employment, and real wage growth. Practical implications – The findings of this research have significant implications for policy makers. Output and employment growth are important in forecasting each other in Canada. In contrast to the mainstream theory, real growth is insignificant in explaining the future dynamics of employment in Canada. Policies need to be formulated to encourage the growth of employment to ensure sustain output growth. Originality/value – This study examines empirically the real output, real wage, and employment link in Canada. This study uses the most recently revised GDP data arising from the 2012 Historical Revision of the Canadian System of National Accounts. The econometric methodology involves the standard vector autoregression (VAR) model to which the authors introduce non-linear dynamics through a term that controls for the deviation of output from its preceding historical maximum: the CDR effect.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».