Why Women Leave Earlier: What Is Behind the Earlier Labour Market Exit of Women in the Czech Republic
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
The article examines the factors that intervene in decisions to leave the labour market in the Czech Republic from a gender perspective. It uses binary logistic regression to identify the variables that predict the economic inactivity of men and women at the age of 60 plus and the interactions of variables to examine whether the factors that determine when people exit the labour market are the same for men and women. The analysis uses data from the Labour Force Study (LFS) collected in the fourth quarter of 2017 and focuses on people between the ages of 60 and 69 and five independent variables: gender, education, pension eligibility, marital status, and type of job. It studies how gender intersects with other characteristics in the decision to retire from the labour market. Although pension eligibility is the central predictor of economic inactivity after the age of 60, when eligibility is controlled for here, it is evident that gender, education, job type, and marital status all influence the timing of labour market exits. Women leave work earlier than men, and this is found to be true even when we control for their education or pension eligibility. They are also more likely than men to leave work even if they are not yet eligible to collect a pension. The effect of education is not as straightforward for women as for men: women with the lowest and with the highest levels of education are more likely to continue to work than men with the same educational attainment. Policies to prolong people's working lives may thus have a different impact on each gender.
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 | 0,024 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 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