Understanding the Decline in Private Sector Unionization: A Skill-Based Approach
Notice bibliographique
Résumé
Private-sector unionization rates have fallen precipitously in the United States over the past half century, from 25% in 1973 to only 7% in 2018. We take a skill-based approach to studying this decline, using data from the Current Population Survey combined with occupation-specific task requirements from the Dictionary of Occupational Titles and the Occupational Information Network. We find that for both men and women, private sector unionized jobs became higherskilled by requiring more non-routine, cognitive skills and fewer manual or routine skills. We further show that union, non-union skill differences have polarized, with unionized worker occupations becoming relatively more intensive in non-routine, cognitive skills and in manual/routine skills. These changes have been more pronounced for women than for men. Next, we decompose these skill changes into three parts: (1) changes in skills within an occupation, (2) changes in worker concentration across existing occupations, and (3) changes to the occupational mix from both entry and exit. Most of the skill changes we document are driven by the second two forces. The third part of the analysis estimates union wage premiums that account for changing skill mix. We find that accounting for skills has a small effect on the union wage premium and that the premium remains high at over 20% for both men and women. Finally, we show how this evidence can be reconciled with a model of skill-biased technological change that explicitly accounts for the institutional framework surrounding collective bargaining.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».