Market expansion, state intervention and wage differentials between economic sectors in urban China: A multilevel analysis
Notice bibliographique
Résumé
The rising earnings inequality in China has sparked a heated debate on the socioeconomic outcomes of market transformation. While a large body of literature has focussed on the temporal trend of wage inequality during the reform period, much less attention has been devoted to the structural causes of regional variations in sectoral wage differentials. Using a micro-data sample from the 2005 one percent population sample survey and multilevel methods, this article examines the geographic variability of wage differentials between economic sectors in urban China, with a particular focus on the combination effects of market expansion and state intervention. The results indicate that sectoral wage differentials vary substantially across regions, and that market expansion interacts with state intervention to reconfigure earnings outcomes. Specifically, prefectures located in the interior region tend to exhibit a large wage premium for the state sectors, while prefectures located in the coastal region tend to display a wage advantage of the foreign-invested sector. The wage gap between the state and non-state sectors is smaller in areas with diversified ownership; openness to foreign investment increases the relative wages of foreign-invested-sector employees; stringent government regulation of industries increases the wage gap between the state monopoly sector and the non-monopoly sector; and strong redistributive power increases the wage premium for the public service sector over other sectors. Our findings suggest the necessity to take into account contextually constituted and locally specific wage-setting mechanisms when studying China’s wage inequality.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».