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
Nous cherchons à savoir si la finance influence l’impact des institutions du marché du travail sur le chômage. A partir d’un échantillon de 18 pays de l’OCDE entre 1980 et 2004, nous estimons un modèle VAR en panel. Nous vérifions si les causalités des variables du marché du travail (niveau de réglementation, densité syndicale, degré de coordination des négociations salariales) vers le chômage sont affectées par l’introduction dans l’estimation de variables financières (capitalisation du marché des actions, crédit intermédié, concentration bancaire). En Australie, en Belgique, en Italie, au Japon et en Espagne, la prise en compte de facteurs financiers diminue le bénéfice de la flexibilisation du marché du travail ou la rend néfaste à l’emploi. En Autriche, au Canada, en Finlande et au Portugal, les variables financières diminuent ses effects négatifs ou la rendent bénéfique pour l’emploi. En Irlande et aux Pays-Bas, les deux effets prévalent, selon l’institution du marché du travail étudiée. Codes JEL: E24, J23, P17. Mots clés: Chômage, marché du travail, variables financières, interactions institutionnelles, VAR en panel. We explore whether finance influences the impact of labour market institutions on unemployment. Using a data set of 18 OECD countries over 1980-2004, we estimate a panel Vector AutoRegressive model. We check whether causalities from labour market variables (labour market regulation, union density, coordination in wage bargaining) to unemployment are affected by the introduction of financial factors (stock market capitalisation, intermediated
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 | 0,000 | 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 | 0,000 | 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) | 0,015 | 0,008 |
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