MétaCan
Menu
Retour à la cohorte
Enregistrement W3122345833

‘Good’ Firms, Worker Flows and Local Productivity

2015· preprint· en· W3122345833 sur OpenAlex
Michel Serafinelli

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueOpen Access at Essex (University of Essex) · 2015
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economics and Spatial Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProductivityUnobservableEconomies of agglomerationLabour economicsEarningsBusinessIdentification (biology)Instrumental variableEconomicsIndustrial organizationMicroeconomicsFinanceEconomic growth
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A consensus has emerged that agglomeration economies are an important factor explaining why firms cluster next to each other. Yet disagreement remains over the sources of these agglomeration effects, given non-trivial measurement challenges. This paper is the first to present direct evidence showing how localized knowledge spillovers arise from workers changing jobs within the same local labor market. Specifically, I as-sess the extent to which firm-to-firm labor mobility enhances the productivity of firms located near highly productive firms, using a unique dataset combining Social Security earnings records and balance sheet information for Veneto, a region of Italy with many successful industrial clusters. I first identify a set of highly productive firms, then show that hiring workers with experience at these firms significantly increases the productivity of other firms. To address identification threats, primarily due to unobservable firm-level productivity shocks correlated with hiring, I use a novel instrumental vari- able strategy, which exploits downsizing events at highly productive firms, in addition to control function methods in the spirit of the productivity literature. My findings from both approaches imply that worker flows can explain around 10 percent of the productivity gains experienced by other firms when new highly productive firms are added to a local labor market.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,377
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0030,011
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,079
Tête enseignante GPT0,266
Écart entre enseignants0,186 · 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