MétaCan
Menu
Retour à la cohorte
Enregistrement W3124124996

The Urban Informal Sector and Poverty: Effects of Trade Reform and Capital Mobility in India

2007· preprint· en· W3124124996 sur OpenAlexfundno aff
Sugata Marjit, Saibal Kar

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2007
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Theory and Policy
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research CentreIndian Statistical InstituteWorld Bank Group
Mots-clésInformal sectorEconomicsPovertyWageLabour economicsLabor mobilityCapital (architecture)Developing countryEconomic growth
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Studies on formal-informal interactions in the labor markets of developing countries claim that economic reform increases the level of informal activity. Although the extent of such claims differs across countries, it is generally believed that reform is likely to depress informal wage by contracting the formal sector and driving labor onto its informal counterpart. However, available empirical evidence suggests that real wage and real fixed assets in the informal manufacturing sector have risen significantly across most states in post-liberalization India. Using this as a benchmark, we formalize a general equilibrium model of inter-sectoral capital mobility and informal wage to argue that, with limited degree of capital mobility, trade reform reduces the informal wage. This is the convetional wisdom usually obtained under a partial equilibrium framework. However, with increased mobility of capital this result is reversed. We offer detailed emmpirical evidence on the movements of real wage in the informal sector in India and how this affects poverty at the state level. The basic result on income mobility is corroborated by a primary survey in the province of West Bengal, for which we offer descriptive analysis on household income levels in the province's informal manufacturing and service sectors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,071
Score d'incertitude au seuil0,142

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,017
Tête enseignante GPT0,261
Écart entre enseignants0,244 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetEconomic Theory and PolicyTravaux en français237 207