Notice bibliographique
Résumé
This thesis presents three chapters in empirical macroeconomics. The first chapter studies how the mortgage expansions in the early 2000s affect U.S. regional economies by estimating its impact on the local labor market from 2003 to 2017. Using a plausible exogenous measure of the credit supply shock, I find that counties with higher credit supply shocks have not seen significant changes in local unemployment but have shown slower wage growth. While the high-credit counties did not experience significantly different changes in local labor markets in the expansion period, they did experience larger increases in unemployment in the recession, but also recovered faster after the recession, summing to a zero net effect in the long run. Meanwhile, these counties experienced a slowdown in wage growth since the recession, resulting in a depressed wage level until 2017. Additionally, the wage decline was accompanied by a decrease in the employment share of young firms. In Chapter 2, I propose a mechanism to explain how mortgage market fluctuations affected the labor market, slowed down wage growth, and led to labor reallocation. I introduce two financial constraints, one on the household side and the other on the production side, both tied to the collateral values of houses. I show that changes in household borrowing constraints affect housing prices and thereby affect firms’ financial condition. When working capital constraint binds, mortgage market fluctuations affect firms' labor demand, which led to labor reallocation from financially constrained to unconstrained firms and a decline in wage. In Chapter 3, we study how small and micro enterprises (SMPE) respond to the policy in reducing the corporate income tax rate in China. Using gradual increases in the qualifying threshold for SMPEs during 2010-2016 as a natural experiment, we find that the rate cut led to significant increases in sales growth, investment, and productivity of affected SMPE firms. We further show that the rate cut induced micro-sized firms to enter the market.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,010 |
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 source (Gemma direct ou Codex distillé), 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 ».