MétaCan
Menu
Retour à la cohorte
Enregistrement W3125921578 · doi:10.1515/bejm-2020-0254

The Neoclassical Growth Model and the Labor Share Decline

2021· preprint· en· W3125921578 sur OpenAlexafffund
Zachary L. Mahone, Joaquín Naval, Pau Pujolas

Notice bibliographique

RevueThe B E Journal of Macroeconomics · 2021
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensMcMaster University
Organismes subventionnairesSecretaría de Estado de Investigación, Desarrollo e InnovaciónAgència de Gestió d'Ajuts Universitaris i de RecercaSocial Sciences and Humanities Research Council of Canada
Mots-clésAkaike information criterionEconomicsRobustness (evolution)EconometricsBayesian probabilityBayesian information criterionGrowth modelDeviance information criterionBayesian inferenceStatisticsMathematicsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

The labor share may be declining in the data, but it is often assumed constant in neoclassical growth models (NGM). We assess the quantitative importance of this discrepancy by comparing alternative calibration approaches featuring constant and declining labor shares. We find little difference in model performance. Our results derive from strong general equilibrium effects: while a declining labor share mechanically lowers wage growth, the investment response pushes wages back up. Hence, different models deliver nearly identical paths of macro aggregates. Numerous robustness checks (including a CES production function, different time periods, and calculations of the labor share) reinforce the similarity of performance across model specifications. We conclude that the NGM with a constant labor share is still an appropriate choice to study many standard macro aggregates.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,886

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0020,002
Intégrité de la recherche0,0000,002
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 Opus0,027
Tête enseignante GPT0,224
Écart entre enseignants0,197 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe B E Journal of MacroeconomicsMême sujetEconomic Growth and ProductivityTravaux en français237 207