MétaCan
Menu
Retour à la cohorte
Enregistrement W2161463918 · doi:10.1016/s0147-9121(04)23010-2

EARNINGS DISPERSION, RISK AVERSION AND EDUCATION

2004· book-chapter· en· W2161463918 sur OpenAlexfundno aff
Christian Belzil

Notice bibliographique

RevueResearch in labor economics · 2004
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésEarningsEconomicsRisk aversion (psychology)Counterfactual thinkingDispersion (optics)WageDegree (music)EconometricsDemographic economicsLabour economicsFinancial economicsExpected utility hypothesisPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

We estimate a dynamic programming model of schooling decisions in which the degree of risk aversion can be inferred from schooling decisions. In our model, individuals are heterogeneous with respect to school and market abilities but homogeneous with respect to the degree of risk aversion. We allow endogenous schooling attainments to affect the level of risk experienced in labor market earnings through wage dispersion and employment rate dispersion. We find a low degree of relative risk aversion (0.93) and the estimates indicate that both wage and employment rate dispersions decrease significantly with schooling attainments. We find that a counterfactual increase in risk aversion will increase schooling attainments. Finally, the low degree of risk aversion implies that an increase in earnings dispersion would have little effect on schooling attainments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,042
Tête enseignante GPT0,283
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), 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

Citations46
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in labor economicsMême sujetLabor market dynamics and wage inequalityTravaux en français237 207