Accident-induced absence from work and wage ladders
Notice bibliographique
Résumé
How do temporary spells of absence from work affect individuals' labor trajectory?To answer this question, we augment a 'wage ladder' model, in which individuals receive alternative take-it-or-leave-it wage offers from firms and potentially suffer accidents which may push them into temporary absence.In such an environment, during absence, individuals do not have the opportunity to receive alternative wage offers that they would have received had they remained present.To test our model's predictions and to quantify the importance of foregone opportunities to climb the wage ladder, we use linked employeremployee administrative data from Hungary, that is linked to rich individual-level administrative health records.We use unexpected and mild accidents with arguably no permanent labor productivity losses, as exogenous drivers of short periods of absence.Difference-in-Differences results show that, relative to counterfactual outcomes in the case of no accidents, (i) even short (3-12-months long) periods of absence due to accidents decrease individuals' wages for up to two years, by around 2.5 percent; and that (ii) individuals end up with lower-paying employers.The share of wage loss due to missed opportunities to switch employers is between 7-20 percent over a two-year period after returning to work, whereas at most 2 percent is due to occupation switches.Our results are robust to (a) instrumenting absence with having suffered an accident, (b) exploiting the random nature of the time of the accident, and (c) within-firm matching of individuals with and without an accident and subsequent absence spell.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».