Counterfactual decomposition of changes in wage distributions using quantile regression
利用分位数回归反事实分解工资分布变化AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确使用分位数回归构造工资反事实分布，分解工资不平等变化，直接对应分位数与分布效应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用分位数回归反事实分解工资分布变化
- 研究问题
- 如何将工资分布随时间的变化分解为劳动者特征变化与特征回报变化，并考察教育水平提高对工资不平等的贡献？
- 方法与思路
- 作者以分位数回归估计条件工资分布，结合不同假设的协变量分布构造边际分布，通过反事实比较进行分解。
- 材料陈述的贡献
- 摘要提出区分特征与回报变化的分布分解方法，并称葡萄牙应用中教育水平提高对工资不平等上升贡献显著。
- 阅读关注点
- 应核对条件分布到边际分布的构造、反事实组合的支持范围、分解次序，以及教育贡献的定义和统计不确定性。
- 阅读边界
- 仅据所给 Crossref 摘要，反事实识别条件和推断程序未说明；教育贡献的分解结果不能直接解释为因果效应。
原文摘要
Abstract We propose a method to decompose the changes in the wage distribution over a period of time in several factors contributing to those changes. The method is based on the estimation of marginal wage distributions consistent with a conditional distribution estimated by quantile regression as well as with any hypothesized distribution for the covariates. Comparing the marginal distributions implied by different distributions for the covariates, one is then able to perform counterfactual exercises. The proposed methodology enables the identification of the sources of the increased wage inequality observed in most countries. Specifically, it decomposes the changes in the wage distribution over a period of time into several factors contributing to those changes, namely by discriminating between changes in the characteristics of the working population and changes in the returns to these characteristics. We apply this methodology to Portuguese data for the period 1986–1995, and find that the observed increase in educational levels contributed decisively towards greater wage inequality. Copyright © 2005 John Wiley & Sons, Ltd.