MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417223159 · doi:10.1111/caje.70031

Employment protection, temporary and permanent employment share, and procyclicality of labour productivity

2025· article· en· W4417223159 sur OpenAlexvenueno aff
Kuan‐Jen Chen, Ching‐chong Lai, Ting‐Wei Lai

Notice bibliographique

RevueCanadian Journal of Economics/Revue canadienne d économique · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensnon disponible
Organismes subventionnairesNational Science and Technology Council
Mots-clésProductivityIncentiveVolatility (finance)Business cycleSalientProduction (economics)Aggregate (composite)

Résumé

récupéré en direct d'OpenAlex

Abstract Using data from 32 Organisation for Economic Co‐operation and Development (OECD) countries, we find that the extent of the procyclicality of average labour productivity (ALP) differs significantly across countries, and is positively correlated with the strictness of employment protection. To account for this salient feature, we build up a theoretical model in which aggregate employment is divided into temporary and permanent categories; the two groups of employment are highly substitutable in production and the latter is subject to firing costs. Our numerical results suggest that in our model the intensity of labour firing costs, which characterizes the strictness of employment protection in OECD countries, has positive effects on both the procyclicality of ALP and the share of temporary employment. Moreover, considering the possibility of hiring different types of workers as short‐term substitutes contributes to a reduction in the relative volatility between output and aggregate hours worked, and hence a sharp decline in the procyclicality of ALP. The model can also explain why, with a higher intensity of labour firing costs, a firm has more incentives to hoard less productive redundant workers when the economy experiences a negative total factor productivity shock.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,092
Tête enseignante GPT0,198
Écart entre enseignants0,107 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Economics/Revue canadienne d économique→Même sujetLabor market dynamics and wage inequality→Travaux en français237 207→