Marriage Market, Divorce Legislation and Household Labor Supply
Bibliographic record
Abstract
Cet article présente un cadre théorique visant à analyser l'impact du marché du mariage et des règles de divorce sur l'offre de travail du ménage. Dans notre approche, l'importance relative des hommes sur le marché du mariage ainsi que les lois régissant le divorce sont des exemples de facteurs de distribution. Ceux-ci sont définis comme étant des variables qui influencent le pouvoir de négociation des conjoints0501s n'ont pas d'effet sur les préférences individuelles ni sur l'ensemble de consommation du ménage. Nous généralisons le modèle d'offre de travail collectif de Chiappori (JPE, 1992) de façon à tenir compte des facteurs de distribution. Nous montrons que notre modèle impose de nouvelles restrictions sur les fonctions d'offre de travail des conjoints et facilite l'identification des préférences individuelles ainsi que le processus de décision intra-familial. Le modèle est estimé par la méthode des moments généralisés à l'aide des données du PSID pour 1988. Nos résultats ne rejettent pas les restrictions imposées par notre approche. De plus, l'importance relative des hommes de même que les règles de divorce jugées favorables aux femmes influencent les comportements d'offre de travail et le processus de décision dans les directions prédites par la théorie et jouent un rôle important dans les choix du ménage.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.018 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".