MétaCan
Menu
Retour à la cohorte
Enregistrement W2739673893 · doi:10.3386/w23636

Hours, Occupations, and Gender Differences in Labor Market Outcomes

2017· report· en· W2739673893 sur OpenAlexafffund
Andrés Erosa, Luisa Fuster, Gueorgui Kambourov, Richard Rogerson

Notice bibliographique

RevueNational Bureau of Economic Research · 2017
Typereport
Langueen
DomaineSocial Sciences
ThématiqueGender, Labor, and Family Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésLabour economicsDemographic economicsEconomicsBusiness

Résumé

récupéré en direct d'OpenAlex

We document a robust negative relationship between the log of mean annual hours in an occupation and the standard deviation of log annual hours within that occupation. We develop a unified model of occupational choice and labor supply that features heterogeneity across occupations in the return to working additional hours and show that it can match the key features of the data both qualitatively and quantitatively. We use the model to shed light on gender differences in labor market outcomes that arise because of gender asymmetries in home production responsibilities. Our model generates large gender gaps in hours of work, occupational choices, and wages. In particular, an exogenous difference in time devoted to home production of ten hours per week increases the observed gender wage gap by roughly eleven percentage points and decreases the share of females in high hours occupations by fourteen percentage points. The implied misallocation of talent across occupations has significant aggregate effects on productivity and welfare.

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)0,008
score de la tête « metaresearch » (Gemma)0,004
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: aucune
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,391
Tête enseignante GPT0,530
Écart entre enseignants0,139 · 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

Citations63
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetGender, Labor, and Family DynamicsTravaux en français237 207