MétaCan
Menu
Retour à la cohorte
Enregistrement W3133574040

How Has the Two-Day Weekend Policy Affected Labour Supply and Household Work in China?

2018· preprint· en· W3133574040 sur OpenAlexaff
Tony Fang, Carl Lin, Xueli Tang

Notice bibliographique

RevueEconstor (Econstor) · 2018
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueWork-Family Balance Challenges
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésChinaWork (physics)Work hoursLabour economicsLabour supplyDemographic economicsEconomicsBusinessWorking hoursPolitical scienceEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper examines the effects of working time reduction policy on labour supply (hours of work and whether an individual takes a second job) and household production, by exploiting the Chinese Two-Day Weekend Policy, which effectively reduced weekly working days from six to five in May 1995, as a natural experiment. We construct a theoretical model that predicts a decline in labour supply in both private and public sectors as work hours were reduced. In theory, the time spent on household production may increase or decrease or the time spent on the second job may increase or decrease depending on how much agents care about household production or the income from a second job. Using the China Health and Nutrition Survey, we adopt a difference-in-differences strategy to estimate the policy effects on work hours of wage earners in both public and private sectors. Relative to the control group deemed unaffected by the policy change, our estimates show that the Two-Day Weekend Policy significantly reduced the working hours of wage earners by 4 percent and the public sector by 5 percent while increasing the probability of having a second job by 3 percent and reducing the time spent on household work by 98-107 minutes per week. The results are robust to different specifications and a propensity score matching technique.

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)0,002
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 enseignants0,138
Score d'incertitude au seuil0,273

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,270
Écart entre enseignants0,243 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetWork-Family Balance ChallengesTravaux en français237 207