Minimum wage effects on employment and wages: dif‐in‐dif estimates from eastern China
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The purpose of this paper is to estimate the impact of minimum wages on employment and wages in China. Design/methodology/approach The paper uses the difference‐in‐difference methodology to estimate the employment and wage impacts of the minimum wage increase in 2003 – a year when substantial minimum wage increases occurred in some provinces (treatment provinces) but not in others (comparison provinces). The analysis is restricted to the eastern region so as to make comparisons across relatively homogeneous and contiguous provinces with large numbers of women and rural migrant workers in urban areas – the target groups for minimum wages. Findings The study finds that overall, minimum wages in China do have an adverse employment effect but the effect is statistically insignificant and quantitatively inconsequential. The adverse employment effects are generally larger in the more market‐driven sectors, in the low‐wage sector of retail and wholesale trade and restaurants, and for women; however even these effects are extremely small. Minimum wages also had no impact on aggregate wages. These estimates appear consistent with many of those based on this methodology which tends to find no substantial adverse employment effect from minimum wages. Practical implications Good news: minimum wages do not seem to have any substantial adverse employment effect in China. Bad news: this could simply reflect the fact that they are not enforced. Originality/value This is one of the few studies of effect of minimum wages in China in English, and using a difference‐in‐difference methodology as first employed by Card.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle