A Quarter Century of Okun’s Law in Scholarly Literature
Notice bibliographique
Résumé
Abstract In order to canvass the state of the art of research on Okun’s law, the paper surveys 84 articles published in Web of Science™ journals between 1995 and 2020 occupied with estimating the relationship between unemployment and output in the spirit of an approach proposed by Okun (1962). A bibliometric analysis is conducted to identify the most influential works and authors, to establish links between them, and to outline research fronts with main paths of knowledge diffusion. Under a content analysis, the articles included in the survey are further classified by their leitmotif and research agenda as well as by their geographical scope. The basal methodological choices of the articles are overviewed and their temporal patterns are studied. An emphasis is put on the stylized facts constituting the research agenda of 57 of the surveyed applications of Okun’s law (such as instability over time, asymmetries, or age and gender specificity). A majority of studies estimated Okun’s law on the basis of a regression equation that may suggest that it is unemployment that responds to fluctuations in output and adopted the difference version of Okun’s law. In estimating the gap version, the Hodrick-Prescott filter has continued to be a preferred choice despite its well-known flawed statistical properties. Lotka’s law indicates an above-average level of research productivity of authors in this field. The findings provide insights into the intellectual structure of the empirics of Okun’s law and act as guidance for future research on cyclical unemployment-output fluctuations.
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 | 0,023 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,013 | 0,017 |
| Études des sciences et des technologies | 0,005 | 0,040 |
| Communication savante | 0,014 | 0,024 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».