MétaCan
Menu
Retour à la cohorte
Enregistrement W4245938744 · doi:10.3386/w27210

Collateralized Marriage

2020· report· en· W4245938744 sur OpenAlexaff
Jeanne Lafortune, Corinne Low

Notice bibliographique

RevueNational Bureau of Economic Research · 2020
Typereport
Langueen
DomaineSocial Sciences
ThématiqueGender, Labor, and Family Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCollateralized debt obligationPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

We study the role of wealth in the marriage contract by developing a model of the household where investments in public goods can be made at the cost of future earnings.If couples cannot commit ex ante to a sufficiently equal post-divorce allocation, specialization and public good creation will be sub-optimal.However, accumulating joint assets, which the marriage contract specifies are to be divided in the case of divorce, can reduce this problem by offering insurance to the lower earning partner.Our model demonstrates that access to this "collateralized" version of the contract will lead to more household specialization, more public goods, and a higher value of marriage.To test the model's predictions, we use homeownership as a proxy for access to joint savings technology, since homes are particularly likely to be divided in a way that favors the lower earning partner.We use idiosyncratic variation in housing prices at the time of marriage and an instrumental variables strategy to show that quasi-exogenous variation in homeownership access leads to greater specialization.We then show that as policies made marriage and nonmarital fertility more similar in other ways, wealth has become a more important determinant of who marries.Our model and empirical results suggest wealthy individuals can access a more advantageous marriage contract, which has important policy implications.

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)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,001

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.

Tête enseignante Opus0,369
Tête enseignante GPT0,529
Écart entre enseignants0,159 · 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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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