MétaCan
Menu
Retour à la cohorte
Enregistrement W2947124736 · doi:10.7202/1062086ar

The Effects of Work-Life Benefits on Employment Outcomes in Canada: A Multivariate Analysis

2019· article· en· W2947124736 sur OpenAlexaffvenueabout
Tony Fang, Byron Lee, Andrew R. Timming, Di Fan

Notice bibliographique

RevueRelations industrielles · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWork-Family Balance Challenges
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésWageWork (physics)EconomicsCausality (physics)Test (biology)Life satisfactionLabour economicsJob satisfactionOrder (exchange)Demographic economicsPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

The aim of this study is to examine the empirical question of how the provision of work-life benefits is associated with wages, promotions, and job satisfaction. This is an important question for industrial relations scholars and one that, as yet, has no definitive answer. In order to answer this question, we employ both economic theory and methods. Specifically, the economic theories being tested are the compensating wage differentials theory and the efficiency wage theory. To test the efficacy of each theory, we use econometric techniques using longitudinal data from the most recent Workplace and Employee Survey of Canada. We use regression to unpack the effects of work-life benefits on various employment outcomes and employ instrumental variables to mitigate against reverse causality. We find broad support for the efficiency wage theory. Alternatively stated, we find that increases in benefits are not associated with decreases in wages and other employment outcomes. If bundled correctly, work-life benefits are positively associated with increased wages, a greater number of promotions, enhanced employee morale in the form of job satisfaction, and improved employee retention. These results suggest that the provision of work-life benefits is not a zero-sum game for employers and employees. On the contrary, it appears that both parties to the employment relationship can benefit from work-life benefits.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,287
Score d'incertitude au seuil0,388

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,268
Écart entre enseignants0,246 · 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 tête enseignante, 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'admission3
Résumé présentoui

Explorer davantage

Même revueRelations industriellesMême sujetWork-Family Balance ChallengesTravaux en français237 207