Les effets de l’appartenance à un groupe de travail sur les salaires individuels
Bibliographic record
Abstract
Dans cet article nous ajoutons des effets de groupe pour améliorer le modèle classique de salaire proposé par Mincer. Nous présentons trois modèles, deux à erreurs composées soit une version statistique du modèle mincerien et une version micro-économique du modèle de Lucas (1988) et un modèle de diffusion du savoir développé par Lévy-Garboua (1994). Les résultats de nos estimations avec des données sur une compagnie canadienne et sur les entreprises de l’industrie de la région d’Alger montrent que les deux modèles à erreurs composées améliorent le pouvoir explicatif du modèle classique de Mincer. L’estimation du modèle de Lévy-Garboua montre que la diffusion du savoir serait toujours positive et valide l’estimation des effets individuels du modèle de Mincer à l’exception des rendements de l’ancienneté.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".