MétaCan
Menu
Retour à la cohorte
Enregistrement W3121782190

Marriage Market, Divorce Legislation and Household Labor Supply

2001· article· en· W3121782190 sur OpenAlexafffund
Pierre‐André Chiappori, Bernard Fortin, Guy Lacroix

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2001
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Labor, and Family Dynamics
Établissements canadiensHEC MontréalUniversité Laval
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNational Science Foundation
Mots-clésLegislationEconomicsPosition (finance)Labour economicsIdentification (biology)Affect (linguistics)Distribution (mathematics)MicroeconomicsLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cet article présente un cadre théorique visant à analyser l'impact du marché du mariage et des règles de divorce sur l'offre de travail du ménage. Dans notre approche, l'importance relative des hommes sur le marché du mariage ainsi que les lois régissant le divorce sont des exemples de facteurs de distribution. Ceux-ci sont définis comme étant des variables qui influencent le pouvoir de négociation des conjoints0501s n'ont pas d'effet sur les préférences individuelles ni sur l'ensemble de consommation du ménage. Nous généralisons le modèle d'offre de travail collectif de Chiappori (JPE, 1992) de façon à tenir compte des facteurs de distribution. Nous montrons que notre modèle impose de nouvelles restrictions sur les fonctions d'offre de travail des conjoints et facilite l'identification des préférences individuelles ainsi que le processus de décision intra-familial. Le modèle est estimé par la méthode des moments généralisés à l'aide des données du PSID pour 1988. Nos résultats ne rejettent pas les restrictions imposées par notre approche. De plus, l'importance relative des hommes de même que les règles de divorce jugées favorables aux femmes influencent les comportements d'offre de travail et le processus de décision dans les directions prédites par la théorie et jouent un rôle important dans les choix du ménage.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,267
Score d'incertitude au seuil0,594

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,030
Tête enseignante GPT0,301
Écart entre enseignants0,270 · 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

Citations40
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetGender, Labor, and Family DynamicsTravaux en français237 207