MétaCan
Menu
Retour à la cohorte
Enregistrement W4281795840 · doi:10.3386/w30098

Right-to-Work Laws, Unionization, and Wage Setting

2022· report· en· W4281795840 sur OpenAlexaff
Nicole M. Fortin, Thomas Lemieux, N. S. Lloyd

Notice bibliographique

RevueNational Bureau of Economic Research · 2022
Typereport
Langueen
DomaineSocial Sciences
ThématiqueLabor Movements and Unions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDifferential (mechanical device)WageDifferential effectsAffect (linguistics)Instrumental variableEconomicsWork (physics)Labour economicsRight to workLawEconometricsEngineeringPolitical scienceMedicinePsychology

Résumé

récupéré en direct d'OpenAlex

This paper uses two complementary approaches to estimate the effect of right-to-work (RTW) laws on wages and unionization rates. The first approach uses an event study design to analyze the impact of the adoption of RTW laws in five U.S. states since 2011. The second approach relies on a differential exposure design that exploits the differential impact of RTW laws on industries with high unionization rates relative to industries with low unionization rates. Both approaches indicate that RTW laws lower wages and unionization rates. Under the assumption that RTW laws only affect wages by lowering the unionization rate, RTW can be used as an instrumental variable (IV) to estimate the causal effect of unions on wages. In our preferred specification based on the differential exposure design, the IV estimate of the effect of unions on wages is 0.35, which substantially exceeds the corresponding OLS estimate of 0.16. This large wage effect suggests that RTW may also directly affect wages due to a reduced union threat effect.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,762
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,220
Tête enseignante GPT0,516
Écart entre enseignants0,296 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetLabor Movements and UnionsTravaux en français237 207