df_clean$econometric_issues_techniques
10 Matching Annotations
- Last 7 days
-
Local file Local file
-
-
df_clean$workers_income
Evt. nutzbar? "Wer kann es sich leisten, AZV zu machen"?
-
df_clean$workers_working_hours
Eventuell für Unterscheidung Vollzeit/Teilzeit wichtig! Wie können wir das konzeptuell analysieren?
-
Monthly
Es gibt nur 20 davon... wie damit umgehen?
-
df_clean$wage_adjustment
Ganz am Ende diskutieren
-
df_clean$costs_overtime
Ganz am Ende diskutieren
-
df_clean$accompanying_measures
Ganz am Ende diskutieren
-
Vorschlag “State (Law)”, “State (Law), Tripartite Comission”, “State (Law), in discussion with employers and employees”, “Agreements between firms and the president”, “State (Law), agreement between trade unions and industry”, “State (Law) & collective agreements”, “State (Law), partly collective agreements” → State “Employers and unions (collective agreements)” & “Employers and unions (collective agreements) & plant-based (firm-based agreemenst)”, “Establishment” → Collective agreement “Establishment” → ?
WIr müssen diskutieren, ob
Establishmentwirklich teil vonEmployers and employeessein soll, oder ob wir das als eigenen Daummy kodieren und dafürEmployers and employeesinCollective agreementszurückbenennen. -
“Germany (West)”, “Germany (East)”, “Germany (Baden-Württemberg)”, “Germany (Nordrhein-Westfalen)”, “Germany (Hessen)”, “Germany (Niedersachsen)”, “Germany (Hamburg)”, “Germany (Schleswig-Holstein)” & “Germany (Baden-Württemberg, Nordrhein-Westfalen, Hessen, Niedersachsen, Hamburg, Schleswig-Holstein)” → Germany
Eventuell unterteilen in BRD/DDR?
-
“Panel (Portugal, Italy, France, Belgium, Slovenia)” & “Panel (Sweden, Norway)” → Panel
Eventuell überdenken wie sinnvoll diese Gruppierung ist - schmeißen wir hier nicht Äpfel mit Birnen zusammen?
-