Parhaassa työiässä olevien työllisyyden ja työtulojen kehitys Suomessa vuoden 2008 finanssikriisin jälkeen
Notice bibliographique
Résumé
Vuoden 2008 finanssikriisi oli yksi modernin taloushistorian merkittävimmistä käännekohdista, joka vaikutti myös Suomen talouteen. Kriisi välittyi Suomeen ulkoisena kysyntäsokkina. Tämän tutkielman tarkoituksena on tarkastella, miten finanssikriisi vaikutti parhaassa työiässä olevien työllisyyden ja työtulojen kehitykseen Suomessa. Tutkimuksessa selvitetään erityisesti, jättikö taantuma pysyviä arpia eli hystereesiä paikallisiin työmarkkinoihin ja miten alueellinen sopeutuminen eteni kriisin jälkeisinä vuosina. Teoreettinen viitekehys nojaa Blanchardin ja Katzin (1992) alueellisen sopeutumisen malliin, jossa työvoiman liikkuvuuden oletetaan tasaavan työmarkkinoiden alueellisia eroja. Lisäksi työssä käsitellään Minskyn rahoitusmarkkinoiden epävakaisuushypoteesia sekä työttömyyden arpeutumisilmiötä. Tutkimuksessa sovelletaan Yaganin (2019) menetelmää, jossa Suomen kunnat jaetaan kahteen vertailuryhmään, suuren ja lievän sokin alueisiin, perustuen siihen, kuinka paljon alueen toteutunut työllisyyskehitys poikkesi historiallisesta trendistä kriisivuosina. Empiirinen osa hyödyntää Tilastokeskuksen laajaa henkilötason FOLK-rekisteriaineistoa vuosilta 1987–2017. Tulokset osoittavat, että finanssikriisi oli Suomessa epäsymmetrinen sokki, joka iski voimakkaimmin vientiteollisuudesta riippuvaisiin paikkakuntiin. Toisin kuin teoreettinen malli ennustaa, työvoima ei siirtynyt pois korkean työttömyyssokin alueilta, vaan väestö jatkoi kasvuaan suurissa kaupungeissa. Työllisyysaste romahti suuren sokin alueilla eikä palautunut entiselleen tarkastelujakson aikana. Reaalitulojen kasvu pysähtyi, ja vaikka alueiden väliset tuloerot kaventuivat, suuren sokin alueiden sisäiset tuloerot kasvoivat. Vuoden 2008 finanssikriisi jätti pysyvän jäljen Suomen työmarkkinoihin. Alueellista sopeutumista ohjasivat pitkän aikavälin trendit, kuten kaupungistuminen ja perhesiteiden vaikutus liikkuvuuteen. Tulokset tukevat näkemystä, jonka mukaan syvät taantumat voivat alentaa työllisyysastetta pitkällä aikavälillä. Jatkotutkimuksessa aihetta olisi perusteltua syventää hyödyntämällä ekonometrisia regressiomalleja, jotta yksilötason taustamuuttujat voitaisiin vakioida tarkemmin.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».