American idle: the relative importance of dispositional and environmental predictors of state labor force participation rates in the USA
Notice bibliographique
Résumé
Abstract This is the first study to determine the capacity of state-level IQ and Big Five personality to predict total, male, and female state labor force participation rates (LFPRs). It is based on residents aged 20–64 years in the 48 contiguous American states from 2013 to 2017. Five state environmental variables—White population percent, urban population percent, per capita personal income, political preference, and age distribution—were statistically controlled. Multiple regression analysis revealed that IQ independently predicted total, male, and female LFPRs with β coefficients of 0.67, 0.71, and 0.59, respectively. Neuroticism also independently predicted total LFPRs and male LFPRs with βs of − 0.20 and − 0.29. As well, lower Openness to Experience and higher liberal political preference were associated with higher female LFPRs, producing βs of − 0.37 and 0.47, respectively. No other variables emerged as independent predictors. Regarding total LFPR variance, the six dispositional variables jointly accounted for 23.0% with the five environmental variables controlled and 74.2% without. Corresponding values were 25.9% and 74.3% for male LFPRs, and 19.6% and 66.5% for female LFPRs. With the six dispositional variables controlled, the five environmental variables together could only account for 11.0% in total LFPRs, 10.8% in male LFPRs, and 16.5% in female LFPRs. Spatial autocorrelation was tested and found to be nonsignificant. These previously overlooked dispositional predictors of state LFPRs are especially important given the salience of LFPRs in economic functioning, declines in American LFPRs since 2000, and the 35th-place standing of the USA on LFPRs among nations by 2022.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».