A systematic review of causes of recent increases in ages of labor market exit in OECD countries
Notice bibliographique
Résumé
Ages of labor market exit have increased steadily since the late 1990s in OECD countries, but with continuing population aging, there are calls for further stimulation of labor force participation at older ages. Social scientists have extensively studied causes of variation in retirement timing between individuals and across countries, but have paid less attention to causes of variation over time. This study systematically reviews evidence of causes of increases in ages of labor market exit over the past 30 years in OECD countries. Two goals are pursued: first, to provide an overview of the retirement domains that have been subject to investigation; second to compare studies with respect to the magnitude of change in retirement behavior that they attributed to different causes, in different contexts. Nineteen studies were reviewed. Available evidence articulates itself around four domains: inter-cohort changes in labor force participation of women (3 studies), educational attainment (3 studies) and lifetime wealth (1 study), and changes to social security systems (16 studies). Determinants in all domains explain a significant amount of past increases in ages of labor market exit, though figures attributable to similar determinants vary between studies and across countries. Evidence suggests that further postponement of labor market exit may depend on further increases to normal retirement ages and more limited access to early retirement programs, but also on further increases in educational attainment and the continued integration of women in the labor market. However, a large share of the past increases in ages of labor market exit remains unexplained; therefore, other factors such as those related to work and organizational characteristics deserve further research.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».