Essays on Labour Economics
Notice bibliographique
Résumé
The first chapter studies the labour force participation of older individuals during COVID-19. COVID-19 significantly changed the labour participation rates of older Canadians, leading to substantial flows among employment, unemployment, marginal attachment, and non-attachment. Using the Canadian Labour Force Survey (LFS), this paper examines the impact of these flows on the participation rates of older individuals and explores whether COVID-19 prompted early retirements. Unlike the Great Recession, the pandemic caused significant direct separations from employment to non-participation. Additionally, older women experienced slower participation rate recovery than men due to higher outflows and lower inflows. Notably, many individuals who initially became non-attached to the labour force in early 2020 transitioned back to employment in the following months of the same year. Generally, the pandemic did not increase older individuals' self-reported retirement transitions and reduced their probability of staying non-attached to the labour market. The second chapter examines the cyclicality of worker flows across experience levels in Canada. Using the LFS, I estimate individual monthly transition probabilities over business cycles conditional on labour-market experience and job tenure. The job-finding rate and separation rate are relatively more cyclical for the youth. I find that experience is a major contributor to the cyclical fluctuations in employer-to-employer probabilities, whereas tenure is a major contributor to the cyclicality of employment-to-nonemployment. The third chapter studies the evolution of the gender unemployment gap in Canada. The gender unemployment gap - defined as women's unemployment rates minus men's unemployment rates - was positive before 1990 but has remained negative since then. I decompose the gender unemployment gap into contributions from gender differences in transition flows between employment, unemployment, and non-participation. The results show that gender differences in flows between employment and non-participation have been positive contributors to the gap over time, while gender differences in employment-to-unemployment flows have been a significant negative contributor. Over the decades, the contribution of flows between employment and non-participation has been decreasing. As employment-to-unemployment flows continue to contribute negatively to the gap, the diminishing contribution of flows between employment and non-participation explains the flip of the gender unemployment gap from positive to negative. Furthermore, I find that differences in industry and occupation composition play a significant role in explaining the gender difference in employment-to-unemployment transition rates.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,014 |
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 source (Gemma direct ou Codex distillé), 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 ».