MétaCan
Menu
Retour à la cohorte
Enregistrement W4200558597 · doi:10.3386/w29548

Productivity and Pay in the US and Canada

2021· report· en· W4200558597 sur OpenAlexaboutno aff
Jacob Greenspon, Anna Stansbury, Lawrence H. Summers

Notice bibliographique

RevueNational Bureau of Economic Research · 2021
Typereport
Langueen
DomaineSocial Sciences
ThématiqueGender, Labor, and Family Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityEconomicsAgricultural economicsBusinessMacroeconomics

Résumé

récupéré en direct d'OpenAlex

We study the productivity-pay relationship in the United States and Canada along two dimensions. The first is divergence: the degree to which the levels of productivity and pay have diverged. The second is delinkage: the degree to which incremental increases in the rate of productivity growth translate into incremental increases in the rate of growth of pay, holding all else equal. We show that in both countries the pay of typical workers has diverged substantially from average labor productivity over recent decades, driven by both rising labor income inequality and a declining labor share of income. Even as the levels of productivity and pay have grown further apart, we find evidence for some linkage between productivity and pay in both countries: a one percentage point increase in the rate of productivity growth is associated with a positive increase in the rate of pay growth, holding all else equal. This linkage appears stronger in the US than in Canada. Overall, our findings lead us to tentatively conclude that policies or trends which lead to incremental increases in productivity growth, particularly in large relatively closed economies like the USA, will tend to raise middle class incomes. At the same time, other factors orthogonal to productivity growth have been driving productivity and typical pay further apart, emphasizing that much of the evolution in middle class living standards will depend on measures bearing on relative incomes.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,047
Score d'incertitude au seuil0,340

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,227
Tête enseignante GPT0,472
Écart entre enseignants0,245 · 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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetGender, Labor, and Family DynamicsTravaux en français237 207