Important
Q
Eventuell wichtig für sowas wie wage adjustment, etc.
59 Matching Annotations
- Aug 2025
-
Local file Local file
-
-
Note
Q
Second control group muss ich mir nochmal ansehen
-
Vorschlag
Q
Ja aber das muss dann bei effect size angepasst werden (zB Dummies müssen dann bei Effektgröße auf 0/1 gleich sein (zB employed/not employed), etc., wichtig für Vergleichbarkeit.
-
Vorschlag
Q
Ja aber das muss dann bei effect size angepasst werden (zB Dummies müssen dann bei Effektgröße auf 0/1 gleich sein (zB employed/not employed), etc., wichtig für Vergleichbarkeit.
-
Vorschlag
Q
Das mag eventuell nicht gut kodierbar sein, ist aber wichtige Hintergrund Information für wen der Effekt eigentlich gilt. DIskutieren
-
Vorschlag
Q
Hier in private/public teilen (weiß nicht wie sinnvoll, weil manche not specified, bereden).
-
Important
Q
Die sind ganz ganz wichtig, das sind die controls (die oben sind eben keine controls).
-
Important
Q
Ja gerne, würd ich eventuell sogar mal auslassen.
-
Vorschlag
Q
Das mag eventuell nicht gut kodierbar sein, ist aber wichtige Hintergrund Information für wen der Effekt eigentlich gilt. DIskutieren
-
Vorschlag
Q
Hier eventuell auch (oder robustness): OLS vs Rest in Regression, oder anderes. Diskutieren, SUR kann SUR sein, Tobit ist Tobit, Oder man kann probit/logit/tobit auch zusammenfassen. Maximum Likelihood Method ist MLM
-
Vorschlag
Q
Ja hier eventuell DiD/RDD/ähnliche zusammenfasen. Hir müssen wir aber diskutieren ob wir hier auf Kausalität, Endogenität, etc abzielen – analog diskutieren wie zu WL-PL Paper.
Ganz wichtig: DiD in spirit vs. DiD richtig (würde in spirit nicht zu DiD tun)
-
Vorschlag
Q
Nein, das macht nicht wirklich Sinn, hier geht es nur um die Zusammensetzung im Sample, nicht darum für was kontrolliert wurde
-
Vorschlag
Q
Nein, das macht nicht wirklich Sinn, hier geht es nur um die Zusammensetzung im Sample, nicht darum für was kontrolliert wurde. Hier zB manufacturing (1) vs. Rest (0) oder andere Einteilung.
-
Vorschlag
Q
Nein, das macht nicht wirklich Sinn, hier geht es nur um die Zusammensetzung im Sample, nicht darum für was kontrolliert wurde. Diskutieren was hier sinnvoll wäre.
-
Vorschlag
Q
Nein, das macht nicht wirklich Sinn, hier geht es nur um die Zusammensetzung im Sample, nicht darum für was kontrolliert wurde. In dem Fall eventuell Information zu blue collar/white collar/Arbeiter/Angestellte falls vorhanden kodieren in 0, 1, etc.
-
Vorschlag
Q
Nein, das macht nicht wirklich Sinn, hier geht es nur um die Zusammensetzung im Sample, nicht darum für was kontrolliert wurde. Vermutlich rauslassen.
-
Vorschlag
Q
Nein, das macht nicht wirklich Sinn, hier geht es nur um die Zusammensetzung im Sample, nicht darum für was kontrolliert wurde. Vermutlich rauslassen.
-
Vorschlag Nummer 2
Q
Hier macht denk ich ausschließlich explizit low skilled/medium skilled/high skilled vs. other Sinn.
-
Vorschlag
Q
Hier macht denk ich ausschließlich explizit low skilled/medium skilled/high skilled vs. other Sinn.
-
Vorschlag
Q
Nein, das macht nicht wirklich Sinn, hier geht es nur um die Zusammensetzung im Sample, nicht darum für was kontrolliert wurde. Diskutieren (z.B. nur low income workers von einer Studie)
-
Vorschlag
Q
Nein, das macht nicht wirklich Sinn, hier geht es nur um die Zusammensetzung im Sample, nicht darum für was kontrolliert wurde. Diskutieren
-
Vorschlag
Q
Nein, das macht nicht wirklich Sinn, hier geht es nur um die Zusammensetzung im Sample, nicht darum für was kontrolliert wurde.
-
Vorschlag
Q
Nein, das macht nicht wirklich Sinn, hier geht es nur um die Zusammensetzung im Sample, nicht darum für was kontrolliert wurde. Variable eventuell aus Regression draußen lassen (und argumentieren, dass die meisten eh working age oder sowas sind).
-
Vorschlag
Q
Nein, das macht nicht wirklich Sinn, hier geht es nur um die Zusammensetzung im Sample, nicht darum für was kontrolliert wurde. Das muss sowas sein wie: 1 wenn nur männlich/weiblich, 0 alles andere oder 0: alles andere, 1: nur männlich, 2: weiblich, etc.
-
Important
Q
Ja versteh ich, Vorschlag klingt gut. Weiß nicht inwiefern wir diese Variable eigentlich verwenden
-
Ich hab wirklich keine Ahnung von den tieferen Implikationen dieser unterschiedlichen Modelle – ich würde die Kodierung hier gerne gemeinsam diskutieren.
Q
Eventuell: overtime increases vs. no overtime increases, diskutieren
-
Sollen wir die wage compensation rausschmeissen? Ist ja schon im vorherigen Dummy drin.
Q
Ja wage compensation muss in Wage compensation variable (muss geändert werden in Excel)
-
Vorschlag
Q
Eventuell auch nur Policies für subsidies (also kostenabnahme) oder ähnliches, diskutieren
-
Vorschlag
Q
Schwierig die Einteilung hier – diskutieren
-
Vorschlag
Q
Anmerkung: Hier müssen wir im Text dann genau erklären, dass wir mit „State“ dann jene meinen wo der Staat letztendlich die Entscheidung gesetzt hat, auch wenn dies zuvor in Absprache mit Organisationen stattfand -> hier ist aber auch eine Robustness-Analyse möglich wo wir das nochmal verferinern in Mitsprache/Nicht-Mitsprache (wobei das eventuell tricky ist, weil nicht immer ganz klar ob es Mitsprache gab oder nicht, aber müsste man sich anschauen im Fall).
-
Bei Regression beachten
Q
Versteh ich nicht: Du meinst bei Regressionen immer Länder-Dummies? Nebenbei: Sollen wir Länder-Dummies mitreingeben jeweils für jedes Land oder nur in expliziter Regression mit nur Länder-Dummies?
-
e - Raw data quality check
Q
Hast du effect sizes (zB Dummy auf gleich gebracht, auf Stunden runtergerechnet auf selbe Einheit), etc. schon angepasst?
-
roject Name - Raw data quality check
Q
Hast du die Studien untereinander abgeglichen, damit sie diesselben (auf Basis der bestmöglichen und detailliertesten) Werte haben für diesselben Sachen für denselben Zeitraum (zB policies, stunden, etc.)?
-
ct Name - Raw data quality check
Q
Kannst du die Jahre-Variablen nach Jahr aufsteigend/absteigend ordnen?
-
ject Name - Raw data quality check
Q
Wo ist motivation bei den unique values bei den Variablen?
-
Project Name - Raw data quality check
Q
Sind externe Daten (Productivity, fiscal and monetary policy, macro environment wie Krisen, competitiveness, etc.) schon inkludiert und gruppiert?
-
Offene Fragen
Q
Das ist schon die Kategorisierung, die Zuteilung steht im Excel.
-
Important
Q
Das hab ich schon mal vor kategorisiert in einer Variable, siehe: 2.1.22 dependent_variable_name_category.
-
Vorschlag
Q
Würd ich nicht löschen – der typ der fixed effects kompensiert teilweise fehlende Kontrollvariablen meiner Meinung nach.
-
Vorschlag
Q
Ja brauchen wir für Partialkorrelationen
-
Note
Q
Das ist eine wichtige Hintergrundinformation wie Effekt berechnet wurde.
-
Vorschlag
Q
Individual ist Individual, Plant und Establishment als “Firm”, Employment Zone & Labor market als “Labor markets”
Anmerkung: Kommt etwas auf Regression drauf an, manche gehen zB nur auf individual (employed/not employed)
-
Wir haben hier einen Fehleintrag von 20024 drinnen, der muss noch ausgebessert werden. 1937, 1939, 1980, 1982, 1985, 1986, 1987, 1990, 1993, 1994, 1995, 1996, 1997, 1998, 1999, 2000, 2002, 2003, 2004, 2005, 2006, 2007, 2012, 2013, 2017, 20024 Ist das eigentlich 2024?
Q
Ziemlich fix 2024 – Kannst du das im Excel direkt ausbessern?
-
Gleich lassen
Q
Andere Möglichkeit/Robustness: Ähnlich wie „Early observation period“ in WL-PL Papier aber für Publikationsjahr? (vor nach bestimmtem Jahr)?
-
Gleich lassen
Q
Andere Möglichkeit/Robustness: Ähnlich wie „Early observation period“ in WL-PL Papier aber für Publikationsjahr? (vor nach bestimmtem Jahr)?
-
wtr_hours_new
Q
Variable für % in Stunden Verkürzung insgesamt
-
Gleich lassen
Q
Variable für % in Stunden Verkürzung insgesamt
-
Gleich lassen
Q
Andere Möglichkeit/Robustness: Ähnlich wie „Early observation period“ in WL-PL Papier aber für Publikationsjahr? (vor nach bestimmtem Jahr)?
-
Gleich lassen
Q
Andere Möglichkeit/Robustness: Ähnlich wie „Early observation period“ in WL-PL Papier aber für Publikationsjahr? (vor nach bestimmtem Jahr)?
-
“No changes in net monthly wages”, “No change in total wages”, “Proportional reduction in weekly wages”, “No” → None
Q
das bedeutet aber, dass es Regeln gab?
-
Checken wofür Establishment steht
Q
Establishment ist Betriebs-Ebene, würd ich unter collective agreement geben (oder dann „agreement between employers and employees“ – das ist in dem Paper wo das so gemacht wird auch nicht 100 % klar (ist eine Bachelor oder Masterarbeit)
-
"Missed variable - check `fct_collapse` command"
Q
?
-
Note
Q
Australien & Afrika find ich auch spannend – für Afrika ähnlich wie WL-PL Paper. Kann man vermutlich irgendwie erklären (Daten, Systeme, Agrarisch geprägt teilweise, etc.). Eventuell noch eher was für South Africa vorhanden da gabs zB auch 4 day work week trials und vor kurzem mögliche Senkung auf 40 Stunden) aber aktuell macht es keinen Sinn nach mehr Paper zu suchen. Vielleicht für Zukunft. Australien haben wir andere Studien aber keine ökonometrischen Ergebnisse für employment soweit ich weiß.
-
Vorschlag
Q
Kommentar: Portugal würd ich dann auch zusammenfassen (Portugal, excluding islands) und Canada (Quebec) als Kanada (wenns wir auf der Länderbene sind)
-
dependent_variable_form
Hier rauslöschen
-
year_study_published
Q
Andere Möglichkeit/Robustness: Ähnlich wie „Early observation period“ in WL-PL Papier aber für Publikationsjahr? (vor nach bestimmtem Jahr)?
-
type_study
Q
Andere Möglichkeit/Robustness: Peer-Reviewed und nicht peer-reviewed wie in WL-PL Paper? (Denn warum ist Working Paper/Conference Paper zB „semi-scientific“?)
-
journal_name
Q
Kommentar: Mir unklar ob wir das brauchen, Qualität wird eher über Impact Factor gemessen? Eventuell als Robustness Analyse mit nur Journals oder so?
-
funding
Q
Kommentar: Eventuell 1 für jene mit explizitem funding und 0 für keine explizites funding? Privat und öffentlich klingt auch interessant. Ich glaub für zB employers/employees gibt’s zu wenige explizite Gruppen.
-