MétaCan
Menu
Retour à la cohorte
Enregistrement W2625237316 · doi:10.1186/s40172-017-0057-0

Industry shutdown rates and permanent layoffs: evidence from firm-worker matched data

2017· article· en· W2625237316 sur OpenAlexaffabout
Kim P. Huynh, Yuri Ostrovsky, Robert J. Petrunia, Marcel Voia

Notice bibliographique

RevueIZA Journal of Labor Economics · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensLakehead UniversityCarleton UniversityStatistics CanadaBank of Canada
Organismes subventionnairesnon disponible
Mots-clésShutdownEarningsLabour economicsBusinessShut downEconomicsFinanceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Firm shutdown creates a turbulent situation for workers as it leads directly to layoffs for its workers. An additional consideration is whether a firm’s shutdown within an industry creates turbulence for workers at other continuing firms. Using data drawn from the Longitudinal Worker File, a Canadian firm-worker matched employment database, we investigate the impact of industry shutdown rates on workers at continuing firm. This paper exploits variation in shutdown rates across industries and within an industry over time to explain the rate of permanent layoffs and the growth of workers’ earnings. We find an increase in industry shutdown rates increases the probability of permanent layoffs and decreases earnings growth for workers at continuing firms.

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)0,001
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 enseignants0,111
Score d'incertitude au seuil0,977

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,094
Tête enseignante GPT0,301
Écart entre enseignants0,207 · 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

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIZA Journal of Labor EconomicsMême sujetLabor market dynamics and wage inequalityTravaux en français237 207