MétaCan
Menu
Retour à la cohorte
Enregistrement W2890606429 · doi:10.3386/w22128

Market Reforms in the Time of Imbalance

2016· preprint· en· W2890606429 sur OpenAlexafffund
Matteo Cacciatore, Romain Duval, Giuseppe Fiori, Fabio Ghironi

Notice bibliographique

RevueNational Bureau of Economic Research · 2016
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensHEC Montréal
Organismes subventionnairesUniversity of British ColumbiaCarey Business School, Johns Hopkins UniversityCentre for Economic Policy ResearchJohns Hopkins University
Mots-clésEconomicsBusinessMonetary economics

Résumé

récupéré en direct d'OpenAlex

We study the consequences of product and labor market reforms in a two-country model with endogenous producer entry and labor market frictions.We focus on the role of business cycle conditions and external constraints at the time of reform implementation (or of a credible commitment to it) in shaping the dynamic effects of such policies.Product market reform is modeled as a reduction in entry costs and takes place in a non-traded sector that produces services used as input in manufacturing production.Labor market reform is modeled as a reduction in firing costs and/or unemployment benefits.We find that business cycle conditions at the time of deregulation significantly affect adjustment.A reduction of firing costs entails larger and more persistent adverse short-run effects on employment and output when implemented in a recession.By contrast, a reduction in unemployment benefits boosts employment and output by more in a recession compared to normal times.The impact of product market reforms is less sensitive to business cycle conditions.Credible announcements about future reforms induce sizable short-run dynamics, regardless of whether the announcement takes place in normal times or during an economic downturn.Whether the immediate effect is expansionary or contractionary varies across reforms.Finally, lack of access to international lending in the wake of reform can amplify the costs of adjustment.

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)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,165
Tête enseignante GPT0,414
Écart entre enseignants0,249 · 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

Citations21
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetLabor market dynamics and wage inequalityTravaux en français237 207