Trade Liberalization and Income Inequality Among Automotive Manufacturing Workers in the Automotive Industry
Notice bibliographique
Résumé
Little is known about the impact trade openness has on income inequality in developed nations. Researchers have demonstrated that income inequality and globalization largely benefit underdeveloped nations. However, there is little research that exists on developed countries such as the United States. The purpose of this quantitative study was to compare similarities between trade liberalization and income inequality among manufacturing workers in the automotive industry, specifically in the United States. This study was framed using the Heckscher–Ohlin theory. The study attempted to determine how trade liberalization has affected income inequality among the automotive industry in places such as Detroit, specifically as it has impacted automotive manufacturing workers in the last two decades. Additionally, trade agreements were explored, such as the North American Free Trade Agreement/United States-Mexico-Canada Agreement, which led to increased income inequality among automotive manufacturing workers in the automotive industry. The study used secondary data publicly available and considered national- and state-level census data over a period of time to compose the sample. Correlational methods were used to measure more than two variables to determine if there was any relationship. Results demonstrated that both total import consumption values and NAFTA import consumption values increased over the sample period of 21 years, there was a negative correlation between mean weekly wages and imports for consumption, and increasing NAFTA imports did have a negative impact on the wages of automotive manufacturing workers. These results may effect positive social change and offer solutions that minimize income disparities across a formerly bustling Rust Belt.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».