The economics of Prozac: do employees really gain from strong employment protection?
Notice bibliographique
Résumé
Unlike many other contracts, employment contracts are subject to various external administrative procedures governing separations, ranging from compulsory severance payments and advance notice periods (usually seniority based), to collective layoff procedures (usually depending on the firm's size), and other forms of protections against arbitrary dismissal. These external constraints may raise the wellbeing of workers if everything remains constant, but may fail to do so once other economic channels are accounted for. Here, we explore the effect of such legislation on the firm's attitude towards insiders (i.e. protected workers), notably worker monitoring, working environment, and ultimately what we could term harassment. We show that during downturns, harassing workers in order to induce a quit is a substitute for greater dismissal freedom, and that intense monitoring and depreciated working conditions will occur. Thus, a more protected workforce may loose more than it gains from non-pecuniary pressures exerted by the firm. We test these mechanisms using data from a panel of Canadian individuals (the National Public Health Survey) including details on work-related stress and the consumption of various medications, including anti-depressants. By exploiting cross-province differences in employment protection legislation (EPL), we cannot reject the theoretical hypothesis: we even find positive links between individual employment protection and some dimensions of stress, and weaker but positive links between employment protection, depression and the consumption of various psychotropic drugs. Tenure and firm size information from another dataset is then used to generate further variance in EPL by imputation. This confirms the previous results, as well as falsification exercises: family stress for instance is not correlated with regional EPL, while financial stress is negatively correlated with EPL.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 source (Gemma direct ou Codex distillé), 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 ».