MétaCan
Menu
Retour à la cohorte
Enregistrement W7024680530

Spousal labour supply adjustments to extended benefits weeks: Evidence from Canada

2022· other· en· W7024680530 sur OpenAlexaboutno aff

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2022
Typeother
Langueen
DomainePhysics and Astronomy
ThématiqueSpectroscopy and Quantum Chemical Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGenerosityLabour supplyUnemploymentJob lossBritish Household Panel SurveySpouseLongitudinal dataWork (physics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper, we study the impact of increased unemployment insurance generosity in terms of additional weeks of benefits on a spouse's labour supply adjustments after the job loss of his/her partner. We exploit the longitudinal household format of the Canadian Labour Force Survey and the Survey of Labour and Income Dynamics to study the labour force transitions of each spouse over time and spousal labour supply responses arising from an added worker effect, whereby spousal labour supply increases following the partner's job loss. We examine whether the additional weeks of benefits offered by the Extended Weeks (EW) pilot, an initiative of the Employment Insurance program implemented in a subset of regions, had a differential impact on spousal labour supply adjustments. Employing a difference-in-differences (DiD) approach, the crowding-out effect of this increased EI generosity on spousal labour supply is identified. Our fixed-effect estimation results show a statistically significant added worker effect for women of 14 to 17 hours weekly following their partner's job loss if they are not eligible to receive EI benefits. The eligibility of employment insurance benefits reduces spousal labour supply among women by 3 to 6 hours per week, with a stronger effect among mothers.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,021
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,005
Études des sciences et des technologies0,0030,001
Communication savante0,0020,000
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,019
Tête enseignante GPT0,293
Écart entre enseignants0,274 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetSpectroscopy and Quantum Chemical StudiesTravaux en français237 207