The heterogeneous effects of COVID-19 on labor markets: People’s movement and non-pharmaceutical interventions
Notice bibliographique
Résumé
The paper investigates the heterogeneous effect of a policy-induced decline in people's mobility on the Japanese labor market outcome during the early COVID-19 period. Regressing individual-level labor market outcomes on prefecture-level mobility changes using policy stringency index as an instrument, our two-stage least squares estimator presents the following findings. First, the number of people absent from work increased for all groups of individuals, but the magnitude was greater for workers with non-regular employment status, low-educated people, females especially with children, and those aged 31 to 45 years. Second, while work hours decreased for most groups, the magnitude was especially greater for business owners without employees and those aged 31 to 45. Third, the negative effect on unemployment was statistically significant for older males who worked as regular workers in the previous year. The impact was particularly considerable for those aged 60 and 65, thus suggesting that they lost their re-employment opportunity due to COVID-19. Fourth, all these adverse effects were greater for people working in service and sales occupations. Fifth, a counterfactual experiment of more stringent policies indicates that while an average worker would lose JPY 3857 in weekly earnings by shortening their work hours, the weekly loss for those aged 31 to 45 years and working in service and sales occupations would be about JPY 13,842.
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 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 | 0,001 | 0,002 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».