MétaCan
Menu
Retour à la cohorte
Enregistrement W2755076753 · doi:10.1186/s40173-017-0089-x

Cash transfers and female labor force participation: the case of AUH in Argentina

2017· article· en· W2755076753 sur OpenAlexfundno aff
Santiago Garganta, Leonardo Gasparini, Mariana Marchionni

Notice bibliographique

RevueIZA Journal of Labor Policy · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research CentreAmerican Association of Equine Practitioners FoundationUniversidad Nacional de La PlataWorld Bank Group
Mots-clésAllowance (engineering)Conditional cash transferWelfareCashEconomicsSocial policyCash transfersValue (mathematics)Labour economicsDemographic economicsEconomic growthOperations management

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, we estimate the impact on female labor force participation of a massive conditional cash transfer program—Universal Child Allowance, AUH—launched in Argentina in 2009. We identify the intention-to-treat effect by comparing eligible and non-eligible women over time through a diff-in-diff methodology. The results suggest a negative and economically significant effect of the program on female labor force participation. The disincentive to participate is present for married women, while the effect is not statistically significant for unmarried women with children. We also find evidence on the heterogeneity of the effect depending on woman’s education, husband’s employment status, number and age of children, and whether the woman is the main responsible of domestic chores. The relatively large value of the benefit and the fact that transfers are mostly directed to mothers may explain the sizeable effect of the program on female labor supply. The welfare implications of the results are not clear and deserve further inspection. JEL Classification:H53, I38, J16, J22

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,162
Score d'incertitude au seuil0,323

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,031
Tête enseignante GPT0,369
Écart entre enseignants0,339 · 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

Citations31
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIZA Journal of Labor PolicyMême sujetPoverty, Education, and Child WelfareTravaux en français237 207