MétaCan
Menu
Retour à la cohorte
Enregistrement W3122353923 · doi:10.1111/j.1468-2354.2005.00368.x

UNEMPLOYMENT INSURANCE AND EXPERIENCE RATING: INSURANCE VERSUS EFFICIENCY*

2005· article· en· W3122353923 sur OpenAlexaff
Steeve Mongrain, Joanne Roberts

Notice bibliographique

RevueInternational Economic Review · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensUniversity of TorontoSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésSeveranceUnemploymentLayoffPaymentWelfareLabour economicsEconomicsGovernment (linguistics)BusinessActuarial scienceFinance

Résumé

récupéré en direct d'OpenAlex

Unemployment insurance (UI) distorts firms' layoff decisions by reducing the cost of laying off workers. To dampen this increase, it has been suggested that UI should be financed with an experience‐rated tax. Despite the fact that increasing the level of experience rating can reduce unemployment, it can reduce the insurance coverage workers receive. With high experience rating, firms may reduce their severance payments by more than the UI benefit. We build a model where competitive firms offer contracts with severance payments to risk‐averse workers. Frictions in the labor market lead to incomplete insurance. This article shows that less than full‐experience rating enables the government to increase the insurance coverage workers receive. Welfare implications are also investigated.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,759

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0010,000

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 Opus0,041
Tête enseignante GPT0,292
Écart entre enseignants0,252 · 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'étudeSans objet
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

Citations16
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Economic ReviewMême sujetLabor market dynamics and wage inequalityTravaux en français237 207