Notice bibliographique
Résumé
What determines firm heterogeneity? What are the consequences of this heterogeneity for the macroeconomy? Traditionally, economists have considered a representative firm as an approximation for reality. Although such a restriction can be useful to study some questions, in reality there is a great deal of heterogeneity in firm behaviour. In this work, I look at different dimensions of heterogeneity in outcomes for firms, their sources and their implications for the macroeconomy. In Chapter 1, I propose a rich general equilibrium model of entrepreneurship, where I allow both wage workers and unemployed to start firms. I show that in this framework, the lower opportunity cost of entrepreneurship for the unemployed induces the formation of lower quality firms relative to wage workers. Using a new confidential owner-employer-employee matched dataset from Canada I test these predictions by verifying that firms created by the unemployed are on average smaller and die faster. I test the mechanism behind this result, by verifying that workers are more responsive to wage changes in their decision to start a firm relative to the unemployed. Finally, I use this framework to evaluate the impact on the economy of a public policy that promotes entrepreneurship among the unemployed. In the model presented in Chapter 2, we study the choice of an individual to start a firm as a function of their outside option as an unemployed and the implications for the efficient allocation in the economy. We show that by simply adding this additional margin to an otherwise standard general equilibrium theoretical framework, wage comparative statics become richer and the efficient allocation chosen by a benevolant social planner has a new interpretation. The chapter highlights the importance of modelling the entry margin into firm ownership in determining firm heterogeneity as well as wage dynamics. In the last chapter, we turn to the study of determinants of a firm's decision of which contract to offer a worker and the implications for wage dynamics and worker retention. We verify empirically that, due to a worker retention motive, match quality affects contract choice and wage cyclicality.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».