MétaCan
Menu
Retour à la cohorte
Enregistrement W18500272

Unemployment, Gender and Labor Force Participation in Spain: Future Trends in Labor Market

2014· article· en· W18500272 sur OpenAlexaboutno aff
Emilio Congregado, Mónica Carmona, Antonio A. Golpe, André van Stel

Notice bibliographique

RevueRomanian Journal of Economic Forecasting · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Labor, and Family Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUnemploymentEconomicsRecessionQuarter (Canadian coin)Business cycleLabour economicsUnemployment rateDiscouraged workerPercentage pointDemographic economicsBeveridge curveMacroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

quarter of 2012, almost three percentage points higher than one year earlier and almost 12 percentage points higher than at the end of 2008. Although the exponential growth of Spanish unemployment is mainly caused by a lower demand for labor, there is also a second cause, viz. an increased supply of labor, reflected by higher participation rates. In this paper we investigate how participation rates are affected by business cycle fluctuations, while accounting for different labor market behaviour of men and women. Based on an analysis using Spanish quarterly data over the period 1976-2012, we find evidence for a linear discouraged worker effect for men (i.e., decreasing participation rates during recessions), implying that male participation rates will continue to show a weak but sustained decrease as long as unemployment keeps rising. On the contrary, we find a significant ‘added’ worker effect (i.e., increasing participation rates during recessions) for women, but only when unemployment rates are below a certain threshold. Since the Spanish unemployment rate just recently (in 2012) passed this threshold, our results suggest that the added worker effect for women no longer applies and that, accordingly, the recent increase in female participation rates now comes to an end.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,515

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,284
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRomanian Journal of Economic ForecastingMême sujetGender, Labor, and Family DynamicsTravaux en français237 207