Trade Liberalization and Labor Market Institutions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract While the firm-level distributional consequences of market liberalization are well understood, previous studies have paid only limited attention to how variations in domestic institutions across countries affect the winners and losers from opening up to trade. We argue that the presence of coordinated wage-bargaining institutions, which impose a ceiling on wage increases, and state-subsidized vocational training, which creates a large supply of highly skilled workers, generate labor market frictions. Upward wage rigidity, in particular, helps smaller firms weather the rising competition and increasing labor costs triggered by trade liberalization. We test this hypothesis using a firm-level data set of European Union countries, which includes more than 800,000 manufacturing firms between 2003 and 2014. We find that, for productive firms, gains from trade are 20 percent larger in countries with liberal market economies than they are in coordinated market economies. Symmetrically, less productive firms in coordinated market economies experience significantly smaller revenue losses compared to liberal market economies. We show that both the presence of an institutionalized wage ceiling and the availability of subsidized vocational training are key mechanisms for reducing the reallocation of revenue from unproductive to productive firms in coordinated market economies compared to liberal market economies. In line with our theory, we find that wages and employment in liberalized industries increase differentially across both types of labor markets. Finally, we provide suggestive evidence that trade liberalization triggers a differential demand for redistribution at the individual level across different labor markets, which is in line with our firm-level analysis.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,002 | 0,000 |
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.
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 découle