MétaCan
Menu
← Retour à la cohorte
Enregistrement W2946434093 · doi:10.1016/j.regsciurbeco.2019.05.002

City size and the risk of being unemployed. Job pooling vs. job competition

2019· article· en· W2946434093 sur OpenAlexaff
Carl Gaigné, Mathieu Sanch‐Maritan

Notice bibliographique

RevueRegional Science and Urban Economics · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economics and Spatial Analysis
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPoolingEconomicsUnemploymentLabour economicsCompetition (biology)QuartileWageEconomies of agglomerationSpatial mismatchDemographic economicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

We study the relationship between city size and the risk of being unemployed. We introduce a new mechanism, job pooling , as a source of agglomeration economies in a model of risk sharing with an imperfect labor market and risk-neutral agents. Despite competition across workers for jobs in the largest cities ( job competition ), workers tend to be located in large cities because tight labor markets yield income gains from the sharing of firms among workers that do not know ex ante the negotiated wage rates ( job pooling ). The covariance between the probability of being unemployed and firm-specific wage shocks decreases with the number of workers. This explains why larger cities exhibit a higher unemployment rate on average and weaker fluctuations. From French data, we find that the positive covariance between the unemployment rate and local wages decreases with city size. We also show that moving from an area in the first quartile of density to the last quartile translates into an increase in unemployment of 14%. In contrast, the elasticity of unemployment fluctuations with respect to employment density is negative: moving from an area in the first quartile of density to the last quartile translates to a decrease in our unemployment fluctuation index of 25%.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,001

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 Opus0,015
Tête enseignante GPT0,191
Écart entre enseignants0,176 · 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

Citations12
Publié2019
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueRegional Science and Urban Economics→Même sujetRegional Economics and Spatial Analysis→Travaux en français237 207→