The Determinants and Implications of Firms' Workforce Composition: The Case of Home Health
Notice bibliographique
Résumé
This paper presents and tests a new model that highlights the role of reputation in determining firms' workforce composition and strategy. Facing demand uncertainty, firms in labor-intensive service industries, such as health care, often rely on temporary workers. Past research has shown that firms that employ more temporary workers when facing greater demand fluctuations. However, this strategy is challenged by accumulating evidence that permanent and temporary workers are not perfectly interchangeable in the production of quality. This paper examines the strategies of firms facing this trade-off: temporary workers provide flexibility in responding to demand fluctuations but can lower reputation through a decline in quality. Through a model where demand is stochastic and linked to firms' reputation for quality, this paper predicts that firms' workforce composition depends on their reputation. Using novel and rich data from a large multi-state US home health provider, I provide evidence consistent with the theory. First patients visited more by permanent nurses were less likely to be rehospitalized. I use patient's differential distances to the nearest proportion of permanent nurse visits. Second, measuring firms' reputation by the establishment of a strong referral base, I find that low-reputation firms, such as new firms, decreased the share of temporary nurses with demand fluctuations. These results imply that low-reputation firms forgo short-term profitability in favor of long-term reputation gains through improvements to service quality.
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 | 0,002 | 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 ».