MétaCan
Menu
Back to cohort
Record W3081030219

Essays in applied economics

2020· article· en· W3081030219 on OpenAlexaboutno aff
Jean-Louis Bago

Bibliographic record

VenueCorpus Université Laval (Université Laval) · 2020
Typearticle
Languageen
FieldEconomics, Econometrics and Finance
TopicEconomic Theory and Institutions
Canadian institutionsnot available
Fundersnot available
KeywordsEconomicsNeoclassical economicsPositive economics
DOInot available

Abstract

fetched live from OpenAlex

Cette thèse, structurée en trois essais, aborde des problématiques relatives à l’économie dupersonnel et l’économie du développement. Mes deux premiers essais étudient de façon expérimentale les explications possibles de l’absence de l’arbitrage entre le risque et les incitations dans les contrats. Mon troisième essai analyse l’impact de la maternité et de l’éducation sur l’emploi autonome des femmes dans les pays en développement. Dans le premier chapitre, nous analysons la robustesse interne et externe des mesures expérimentales des préférences pour le risque. Les paramètres de préférence pour le risque sont estimés à l’aide d’une série d’expériences de terrain, réalisées dans une entreprise de plantation d’arbres de taille moyenne en Colombie-Britannique. Notre expérience de mesure des préférences pour le risque est construite selon l’approche de Holt et Laury (2002) d’abord avec des loteries à gains faibles puis avec des loteries à gains élevés. Durant l’expérience avec des gains faibles, les participants peuvent gagner entre 2 et 77 dollars. Les montants des loteries sont doublés durant l’expérience avec des gains élevés. Nos résultats montrent que les préférences pour le risque révélées par les travailleurs changent lorsque les montants en jeu augmentent mais la distribution agrégée des préférences pour le risque est restée stable entre les deux traitements. Par la suite, nous analysons la capacité des paramètres de préférence de risque estimés à partir des deux traitements à prédire le choix des travailleurs entre un contrat à la pièce et un contrat à salaire fixe. Les résultats montrent que les préférences pour le risque révélées lorsque les gains sont élevés, prédisent efficacement les choix de contrat. À l’inverse, les préférences pour le risque estimées lorsque les gains sont faibles, ne prédisent pas le choix de contrat. Nous en déduisons donc que l’augmentation des montants en jeu durant l’expérience motive les travailleurs à jouer la loterie plus sérieusement et ainsi révéler leurs préférences réelles pour le risque. Dans le deuxième chapitre, nous analysons le biais de perception des travailleurs sur la distribution de leur revenu. Une explication possible à l’absence d’arbitrage risque-incitations dans les données contractuelles est que les travailleurs ont une perception incorrecte du risque auquel ils font face dans les contrats. En effet, si les travailleurs sous-estiment le risque, ils seront prêts à travailler dans un environnement très risqué en exigeant une prime de risque plus faible. Ceci réduirait alors le coût de l’incitation pour l’entreprise et supprimerait alors l’arbitrage risque-incitations qui devrait exister dans les contrats. Nous analysons cette problématique en utilisant une série d’expériences de terrain auprès des travailleurs d’une firme de plantation d’arbres en Colombie-Britannique. Au cours de l’expérience, les travailleurs, payés à la pièce, doivent prédire leurs gains espérés sur une durée de 10 jours. À l’aide d’un questionnaire, nous avons obtenu la distribution prédite des gains quotidiens par chaque travailleur. Ensuite, nous construisons la distribution réelle des gains de ces travailleurs en utilisant les données de paie fournies par la firme à l’issue de la saison de plantation. Notre stratégie empirique consiste à apparier la distribution de gains prédite par chaque travailleur avec la distribution réelle des gains pour évaluer l’écart potentiel entre ces deux distributions. Les résultats confirment la présence d’un biais de perception des travailleurs sur leurs gains potentiels sous le contrat de travail à la pièce. En effet, les travailleurs surestiment leurs gains journaliers moyens et sous-estiment la variabilité de leurs gains journaliers et donc le risque auquel ils font face. Par la suite, nos résultats montrent que la sous-estimation du risque accroît la probabilité des travailleurs à choisir un contrat à la pièce au détriment d’un contrat à salaire fixe. Le troisième chapitre s’intéresse à l’impact de la maternité et de l’éducation sur l’emploi autonome des femmes. En effet, la présence d’enfants en bas âge est souvent désignée dans la littérature comme le déterminant principal de l’emploi autonome des femmes. Toutefois, peu d’évidences empiriques existent dans les pays en développement pour confirmer cette idée. À l’aide de données micro-économiques, nous estimons les effets de la maternité et de l’éducation sur la probabilité d’une femme d’exercer un emploi autonome en Ouganda. Notre stratégie empirique combine l’estimation d’un modèle de type Heckman qui corrige le biais de sélection lié à la participation des femmes sur le marché du travail avec des fonctions de contrôle corrigeant pour l’endogénéité de la fertilité et de l’éducation. Les résultats suggèrent que la présence d’enfants en bas âge n’a pas d’impact significatif sur la probabilité d’une femme d’exercer un emploi autonome en Ouganda. À l’inverse, l’éducation a un effet causal négatif et significatif sur l’emploi autonome. Ce qui implique qu’une meilleure éducation accroît la probabilité pour une femme d’accéder à un emploi salarié sur le marché du travail. En termes de politiques, nos résultats impliquent que l’amélioration de l’éducation des filles est une politique plus efficace pour permettre aux femmes d’accéder à des emplois salariés queles politiques visant la réduction du nombre d’enfants.

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 machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.011
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: Theoretical or conceptual
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.046
Threshold uncertainty score0.154

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0040.011
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0030.005
Science and technology studies0.0020.006
Scholarly communication0.0070.006
Open science0.0010.003
Research integrity0.0030.004
Insufficient payload (model declined to judge)0.0460.009

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.

Opus teacher head0.016
GPT teacher head0.160
Teacher spread0.144 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designTheoretical or conceptual
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueCorpus Université Laval (Université Laval)Same topicEconomic Theory and InstitutionsFrench-language works237,207