Spatial wage inequality in North America and Western Europe: changes between and within local labour markets 1975-2019
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The rise of economic inequalities in advanced economies has been often linked with the growth of spatial inequalities within countries, yet there is limited comparative research that studies the relationship between national and subnational economic inequality. This paper presents the first systematic attempt to create internationally comparable evidence showing how different countries perform in terms of geographic wage inequalities. We create cross-country comparable measures of spatial wage disparities between and within similarly-defined local labour market areas (LLMAs) for Canada, France, (West) Germany, the UK and the US since the 1970s, and assess their contribution to national inequality. By the end of the 2010s, spatial inequalities in LLMA mean wages are similar in Canada, France, Germany and the UK; the US exhibits the highest degree of spatial inequality. Over the study period, spatial inequalities have nearly doubled in all countries, except for France where spatial inequalities have fallen back to 1970s levels. Due to a concomitant increase in within-place inequality, the contribution of places in explaining national wage inequality has remained fairly constant over the 40-year study period, except in the UK where we document a significant increase. Whilst common global social, economic and technological shocks are important drivers of spatial inequality, this variation in levels and trends of spatial inequality opens the way to comparative research exploring the role of national institutions in mediating how global shocks translate into economic disparities between places.
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.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle