Per Capita Income and the Demand for Skills
Notice bibliographique
Résumé
Almost all of the literature about the growth of income inequality and the relationship between skilled and unskilled wages approaches the issue from the production side of general equilibrium (skill-biased technical change, international trade).Here, we add a role for income-dependent demand interacted with factor intensities in production.We explore how income growth and trade liberalization influence the demand for skilled labor when preferences are non-homothetic and income-elastic goods are more intensive in skilled labor, an empirical regularity documented in Caron, Fally and Markusen (2014).In one experiment, counterfactual simulations show that sector neutral productivity growth, which generates shifts in consumption towards skill-intensive goods, leads to significant increases in the skill premium: in developing countries, a one percent increase in productivity leads to a 0.1 to 0.25 percent increase in the skill premium.In several countries, including China and India, simulations suggest that the historical growth experienced in the last 25 years may have led to an increase in the skill premium of more than 10%.In a second experiment, we show that trade cost reductions generate quantitatively very different outcomes once we account for non-homothetic preferences.These imply substantially less predicted net factor content of trade and allow for a shift in consumption patterns caused by trade-induced income growth.Overall, the negative effect of trade cost reductions on the skill premium predicted for developing countries under homothetic preferences (Stolper-Samuelson) is strongly mitigated, and sometimes reversed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,014 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».